典型文献
基于深度学习的心血管血流动力学参数反演
文献摘要：
考虑现有血流动力学参数反演方法在实际应用中存在计算量大、迭代易发散等问题,提出一种新的基于深度学习的心血管血流动力学参数反演方法.首先建立一维-零维耦合的多尺度血流动力学模型;随后基于卷积神经网络和全连接神经网络提出一种用于参数反演的混合多源输入深度网络模型;针对测量波形中的噪声干扰问题,提出一种同时利用多个深度网络的集成网络模型以提高反演精度.在参数灵敏度分析的基础上,对所提方法进行参数反演实验,研究在不同噪声水平下的反演精度,并与卡尔曼滤波法进行比较.结果表明,血压与血流波形的预测误差显著低于已有方法.所提方法能够准确高效地实现心血管模型参数反演,具有较好的应用前景.
文献关键词：
心血管;血流动力学;参数反演;深度学习;集成网络模型
中图分类号：
作者姓名：
周阳;潘怡;崔畅;陈明龙;孙蓓蓓
作者机构：
东南大学机械工程学院,南京211189;南京医科大学第一附属医院心血管内科,南京210029
文献出处：
引用格式：
[1]周阳;潘怡;崔畅;陈明龙;孙蓓蓓-.基于深度学习的心血管血流动力学参数反演)[J].东南大学学报（自然科学版）,2022(02):394-401
A类：
集成网络模型
B类：
血流动力学参数,参数反演,反演方法,计算量,发散,零维,全连接神经网络,深度网络模型,噪声干扰,干扰问题,反演精度,参数灵敏度分析,噪声水平,卡尔曼滤波,预测误差,血管模型
AB值：
0.177202
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
