論文の概要: Uncertainty quantification of a 3D In-Stent Restenosis model with
surrogate modelling
- arxiv url: http://arxiv.org/abs/2111.06173v1
- Date: Thu, 11 Nov 2021 12:28:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-12 15:27:17.839996
- Title: Uncertainty quantification of a 3D In-Stent Restenosis model with
surrogate modelling
- Title(参考訳): サーロゲートモデルを用いた3次元ステント再狭窄モデルの不確かさ定量化
- Authors: Dongwei Ye, Pavel Zun, Valeria Krzhizhanovskaya, Alfons G. Hoekstra
- Abstract要約: In-Stent Restenosis(In-Stent Restenosis)は、バルーン拡張とステント留置による血管障害による冠動脈狭窄の再発である。
4つのパラメータが不確実なIn-Stent Restenosisモデルの不確実性定量化を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In-Stent Restenosis is a recurrence of coronary artery narrowing due to
vascular injury caused by balloon dilation and stent placement. It may lead to
the relapse of angina symptoms or to an acute coronary syndrome. An uncertainty
quantification of a model for In-Stent Restenosis with four uncertain
parameters (endothelium regeneration time, the threshold strain for smooth
muscle cells bond breaking, blood flow velocity and the percentage of
fenestration in the internal elastic lamina) is presented. Two quantities of
interest were studied, namely the average cross-sectional area and the maximum
relative area loss in a vessel. Due to the computational intensity of the model
and the number of evaluations required in the uncertainty quantification, a
surrogate model, based on Gaussian process regression with proper orthogonal
decomposition, was developed which subsequently replaced the original In-Stent
Restenosis model in the uncertainty quantification. A detailed analysis of the
uncertainty propagation and sensitivity analysis is presented. Around 11% and
16% of uncertainty are observed on the average cross-sectional area and maximum
relative area loss respectively, and the uncertainty estimates show that a
higher fenestration mainly determines uncertainty in the neointimal growth at
the initial stage of the process. On the other hand, the uncertainty in blood
flow velocity and endothelium regeneration time mainly determine the
uncertainty in the quantities of interest at the later, clinically relevant
stages of the restenosis process. The uncertainty in the threshold strain is
relatively small compared to the other uncertain parameters.
- Abstract(参考訳): In-Stent Restenosisはバルーン拡張とステント留置による血管障害による冠動脈狭窄の再発である。
これは狭心症症状の再発や急性冠症候群につながる可能性がある。
内皮再生時間, 平滑筋細胞接着破壊の閾値ひずみ, 血流速度, 内弾性ラミナのフェネトレーションの割合) の4つの不確実なパラメータを持つ In-Stent Restenosis モデルの不確実性定量化を行った。
船体の平均断面積と最大相対面積損失の2つの考察を行った。
モデルの計算強度と不確かさ定量化に必要な評価数により、ガウス過程の回帰と適切な直交分解に基づく代理モデルが開発され、その後、不確かさ定量化において元のIn-Stent Restenosisモデルを置き換えた。
不確実性伝播の詳細な解析と感度解析について述べる。
平均断面積で約11%, 最大相対面積損失で約16%の不確かさが観察され, 不確実性評価は, プロセス初期における新生内膜成長における不確かさを主に決定していることを示している。
一方, 血流速度および内皮再生時間の不確かさは, 再狭窄後の臨床関連段階における関心量の不確かさを主に決定している。
閾値ひずみの不確かさは他の不確かさパラメータと比較して比較的小さい。
関連論文リスト
- SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
セプシスは米国での院内死亡の主な原因である。
既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。
限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-07-24T04:47:36Z) - A personalized Uncertainty Quantification framework for patient survival
models: estimating individual uncertainty of patients with metastatic brain
tumors in the absence of ground truth [4.665141823455397]
脳転移に対する定位放射線治療を施行した1383例を対象に,本手法を考案し,評価した。
以上の結果から,全てのモデルにおいてICPが最低不確実性(2.21%),ICPDが最低不確実性(17.28%)を示した。
論文 参考訳(メタデータ) (2023-11-28T19:07:30Z) - Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。
既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文 参考訳(メタデータ) (2023-09-28T13:04:11Z) - Quantification of Uncertainty with Adversarial Models [6.772632213236167]
不確実性の定量化は、現実のアプリケーションにおいて実行可能な予測にとって重要である。
逆数モデル(QUAM)による不確かさの定量化を提案する。
QUAM は積分の下にある積全体が大きい領域を識別する。
論文 参考訳(メタデータ) (2023-07-06T17:56:10Z) - The Implicit Delta Method [61.36121543728134]
本稿では,不確実性のトレーニング損失を無限に正規化することで機能する,暗黙のデルタ法を提案する。
有限差分により無限小変化が近似された場合でも, 正則化による評価の変化は評価推定器の分散に一定であることを示す。
論文 参考訳(メタデータ) (2022-11-11T19:34:17Z) - Dense Uncertainty Estimation via an Ensemble-based Conditional Latent
Variable Model [68.34559610536614]
我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。
そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。
以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
論文 参考訳(メタデータ) (2021-11-22T08:54:10Z) - Bayesian Uncertainty Estimation of Learned Variational MRI
Reconstruction [63.202627467245584]
我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。
提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
論文 参考訳(メタデータ) (2021-02-12T18:08:14Z) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳(メタデータ) (2020-12-17T21:10:10Z) - Uncertainty-Aware Variational-Recurrent Imputation Network for Clinical
Time Series [5.485209961772906]
本稿では,命令と予測ネットワークを統一する新しい変分再帰型計算ネットワークを提案する。
具体的には,変数間の分布に基づく計算モデルと,時間的関係を利用する再帰的計算ネットワークを利用する。
論文 参考訳(メタデータ) (2020-03-02T05:12:38Z) - Uncertainty-Gated Stochastic Sequential Model for EHR Mortality
Prediction [6.170898159041278]
本稿では,欠落変数の分布を推定し,隠れ状態の更新を行い,院内死亡の可能性を予測できる新しい変動再帰ネットワークを提案する。
我々のモデルは、これらの手順を1つのストリームで実行し、エンドツーエンドで全てのネットワークパラメータを共同で学習できることは注目に値する。
論文 参考訳(メタデータ) (2020-03-02T04:41:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。