論文の概要: Simulation-based Inference for Cardiovascular Models
- arxiv url: http://arxiv.org/abs/2307.13918v2
- Date: Sat, 29 Jul 2023 22:06:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-01 19:55:41.501470
- Title: Simulation-based Inference for Cardiovascular Models
- Title(参考訳): 心血管モデルのシミュレーションによる推論
- Authors: Antoine Wehenkel, Jens Behrmann, Andrew C. Miller, Guillermo Sapiro,
Ozan Sener, Marco Cuturi, J\"orn-Henrik Jacobsen
- Abstract要約: シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
- 参考スコア(独自算出の注目度): 57.92535897767929
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Over the past decades, hemodynamics simulators have steadily evolved and have
become tools of choice for studying cardiovascular systems in-silico. While
such tools are routinely used to simulate whole-body hemodynamics from
physiological parameters, solving the corresponding inverse problem of mapping
waveforms back to plausible physiological parameters remains both promising and
challenging. Motivated by advances in simulation-based inference (SBI), we cast
this inverse problem as statistical inference. In contrast to alternative
approaches, SBI provides \textit{posterior distributions} for the parameters of
interest, providing a \textit{multi-dimensional} representation of uncertainty
for \textit{individual} measurements. We showcase this ability by performing an
in-silico uncertainty analysis of five biomarkers of clinical interest
comparing several measurement modalities. Beyond the corroboration of known
facts, such as the feasibility of estimating heart rate, our study highlights
the potential of estimating new biomarkers from standard-of-care measurements.
SBI reveals practically relevant findings that cannot be captured by standard
sensitivity analyses, such as the existence of sub-populations for which
parameter estimation exhibits distinct uncertainty regimes. Finally, we study
the gap between in-vivo and in-silico with the MIMIC-III waveform database and
critically discuss how cardiovascular simulations can inform real-world data
analysis.
- Abstract(参考訳): 過去数十年間、血液力学シミュレーターは着実に進化し、シリコン中の循環器系を研究するためのツールとなった。
このようなツールは、生理的パラメータから全身血行動態をシミュレートするために日常的に使用されているが、波形を可算な生理的パラメータにマッピングする逆問題の解決は、有望かつ困難なままである。
シミュレーションベース推論 (SBI) の進歩により, この逆問題を統計的推論として捉えた。
代替アプローチとは対照的に、SBIは興味のあるパラメータに対して \textit{posterior distributions} を提供し、 \textit{individual} 測定に対して不確実性の \textit{multi-dimensional} 表現を提供する。
本研究は, 臨床関心の5つのバイオマーカーのシリコン内不確実性解析を行い, 測定精度を比較した。
心拍数推定の可能性など、既知の事実の確証のほかに、標準的なケア指標から新しいバイオマーカーを推定する可能性についても注目する。
SBIは、パラメータ推定が異なる不確実な状態を示すサブポピュレーションの存在など、標準感度分析では捉えられない事実上の関連した発見を明らかにしている。
最後に,in-vivoとin-silicoのギャップをミームiii波形データベースを用いて検討し,心血管シミュレーションが実世界データ解析にどのように寄与するかを批判的に論じる。
関連論文リスト
- Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳(メタデータ) (2024-03-02T00:56:05Z) - SAVAE: Leveraging the variational Bayes autoencoder for survival
analysis [10.0060346233449]
SAVAE(Survival Analysis Variational Autoencoder)は,変分オートエンコーダに基づく新しい手法である。
サボエは、生存分析のための調整されたELBOの定式化を導入することにより、この分野に大きく貢献する。
様々な測定値に対して一貫して優れた性能を発揮し、異なる実験を通して頑健さと安定性を実証する一般的な方法を提供する。
論文 参考訳(メタデータ) (2023-12-22T12:36:50Z) - Efficient identification of informative features in simulation-based
inference [5.538076164981993]
訓練後, 後部を推測し, 特徴の寄与度を評価する前に, 訓練後のサロゲート確率を極端に評価できることが示唆された。
本稿では,HHニューロンモデルのパラメータを推定する上で最も重要な特徴を同定し,本手法の有用性を示す。
論文 参考訳(メタデータ) (2022-10-21T12:35:46Z) - Causal Inference via Nonlinear Variable Decorrelation for Healthcare
Applications [60.26261850082012]
線形および非線形共振の両方を扱う可変デコリレーション正規化器を用いた新しい手法を提案する。
我々は、モデル解釈可能性を高めるために、元の特徴に基づくアソシエーションルールマイニングを用いた新しい表現として、アソシエーションルールを採用する。
論文 参考訳(メタデータ) (2022-09-29T17:44:14Z) - In Silico Prediction of Blood-Brain Barrier Permeability of Chemical
Compounds through Molecular Feature Modeling [0.0]
中枢神経系障害を治療する新薬の開発は、血液脳関門をまたぐ浸透効果の低下により、ユニークな課題を呈している。
本研究では,化学物質の特徴を解析するMLモデルを用いて,この問題を軽減することを目的とする。
論文 参考訳(メタデータ) (2022-08-18T19:59:44Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳(メタデータ) (2022-02-18T22:41:51Z) - Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。
本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。
提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
論文 参考訳(メタデータ) (2021-11-15T03:16:56Z) - Physics-informed neural networks for myocardial perfusion MRI
quantification [3.318100528966778]
本研究では, 心筋灌流MR定量化のための物理インフォームドニューラルネットワーク(PINN)を提案する。
PINNは、基礎となる物理保存法則を尊重しながら、観測された拡散MRデータに適合するように訓練することができる。
論文 参考訳(メタデータ) (2020-11-25T16:02:52Z) - Personalized pathology test for Cardio-vascular disease: Approximate
Bayesian computation with discriminative summary statistics learning [48.7576911714538]
近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。
この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
論文 参考訳(メタデータ) (2020-10-13T15:20:21Z) - Joint data imputation and mechanistic modelling for simulating
heart-brain interactions in incomplete datasets [5.178090215294132]
本稿では, 心血管機構モデルを用いた共同心臓データ計算とパーソナライズのための確率的枠組みを提案する。
本手法は, 利用可能な特徴量から, 心臓情報の計算モデルを用いて, 共同推論を行うための変動的枠組みに基づくものである。
本モデルは,最小限の心情報を含むデータセットにおいて,欠落した心機能の正確な計算を可能にすることを示す。
論文 参考訳(メタデータ) (2020-10-02T15:31:36Z)
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。