Bayesian optimisation for efficient parameter inference in a cardiac mechanics model of the left ventricle.
Bayesian optimisation for efficient parameter inference in a cardiac mechanics model of the left ventricle.
复制标题
DOI：
10.1002/cnm.3593
复制
发表时间：
2022-05
影响因子：
2.1
通讯作者：
中科院分区：
文献类型：
--
作者：
我们考虑左心室心脏力学模型中的参数推断，特别是基于Holtzapfel-Ogden（HO）本构律的模型，使用临床体内数据。这些模型的方程不承认封闭形式的解决方案，因此需要数值求解。这些数值程序在计算上是昂贵的，使得与数值优化或采样相关的计算运行时间对于临床实践中的模型的摄取来说是过多的。为了解决这个问题，我们采用贝叶斯优化（BO）的框架，这是一种有效的统计技术的全球优化。BO通过顺序训练统计代理模型并利用相关的探索-开发权衡来选择下一个查询点来寻求未知黑盒函数的最佳值。为了保证基于体内数据的估计值对于体内不可观察的高压也是现实的，我们根据先前发表的使用离体数据开发的经验法则纳入了惩罚项。基于真实的数据的两个案例研究表明，所提出的BO程序优于最先进的推理算法的HO本构关系。
We consider parameter inference in cardio‐mechanic models of the left ventricle, in particular the one based on the Holtzapfel‐Ogden (HO) constitutive law, using clinical in vivo data. The equations underlying these models do not admit closed form solutions and hence need to be solved numerically. These numerical procedures are computationally expensive making computational run times associated with numerical optimisation or sampling excessive for the uptake of the models in the clinical practice. To address this issue, we adopt the framework of Bayesian optimisation (BO), which is an efficient statistical technique of global optimisation. BO seeks the optimum of an unknown black‐box function by sequentially training a statistical surrogate‐model and using it to select the next query point by leveraging the associated exploration‐exploitation trade‐off. To guarantee that the estimates based on the in vivo data are realistic also for high‐pressures, unobservable in vivo, we include a penalty term based on a previously published empirical law developed using ex vivo data. Two case studies based on real data demonstrate that the proposed BO procedure outperforms the state‐of‐the‐art inference algorithm for the HO constitutive law.
登录
查看更多内容
影响因子：
3.5
作者：
Asner, Liya;Hadjicharalambous, Myrianthi;Chabiniok, Radomir;Peresutti, Devis;Sammut, Eva;Wong, James;Carr-White, Gerald;Chowienczyk, Philip;Lee, Jack;King, Andrew;Smith, Nicolas;Razavi, Reza;Nordsletten, David
通讯作者：
Nordsletten, David
DOI：
10.1109/jbhi.2017.2751509
发表时间：
2018-03-01
影响因子：
7.7
作者：
Colopy, Glen Wright;Roberts, Stephen J.;Clifton, David A.
通讯作者：
Clifton, David A.
影响因子：
37.8
作者：
Cerqueira, MD;Weissman, NJ;Verani, MS
通讯作者：
Verani, MS
DOI：
10.1098/rsif.2017.0203
发表时间：
2017-07
期刊：
Journal of the Royal Society, Interface
影响因子：
--
作者：
Gao H;Aderhold A;Mangion K;Luo X;Husmeier D;Berry C
通讯作者：
Berry C
DOI：
10.32604/mcb.2019.07364
发表时间：
2019-01-01
期刊：
Molecular & cellular biomechanics : MCB
影响因子：
--
作者：
Dabiri, Yaghoub;Sack, Kevin L;Guccione, Julius M
通讯作者：
Guccione, Julius M