Fugu-MT 論文翻訳(概要): Markov Chain Monte Carlo with Gaussian Process Emulation for a 1D Hemodynamics Model of CTEPH

論文の概要: Markov Chain Monte Carlo with Gaussian Process Emulation for a 1D Hemodynamics Model of CTEPH

arxiv url: http://arxiv.org/abs/2406.01599v1
Date: Thu, 25 Apr 2024 18:22:22 GMT
ステータス: 処理完了
システム内更新日: 2024-07-01 08:19:53.634502
Title: Markov Chain Monte Carlo with Gaussian Process Emulation for a 1D Hemodynamics Model of CTEPH
Title（参考訳）: CTEPHの1次元血行動態モデルのためのガウス過程エミュレーションを用いたマルコフ連鎖モンテカルロ
Authors: Amirreza Kachabi, Mitchel J. Colebank, Sofia Altieri Correa, Naomi C. Chesler,
Abstract要約: 慢性血栓性肺高血圧症(CTEPH)患者における微小血管疾患による持続性肺高血圧症パーソナライズされた計算モデルは、動脈樹の複数世代から微小血管への流れのダイナミクスを予測することができる。 CTEPHにおける微小血管機能障害と動脈壁せん断応力の変化に関する被検者特異的予測
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Microvascular disease is a contributor to persistent pulmonary hypertension in those with chronic thromboembolic pulmonary hypertension (CTEPH). The heterogenous nature of the micro and macrovascular defects motivates the use of personalized computational models, which can predict flow dynamics within multiple generations of the arterial tree and into the microvasculature. Our study uses computational hemodynamics models and Gaussian processes for rapid, subject-specific calibration using retrospective data from a large animal model of CTEPH. Our subject-specific predictions shed light on microvascular dysfunction and arterial wall shear stress changes in CTEPH.
Abstract（参考訳）: 慢性血栓性肺高血圧症(CTEPH)では、微小血管疾患が持続性肺高血圧に寄与する。微小血管障害とマクロ血管障害の異種性は、パーソナライズされた計算モデルの使用を動機付け、動脈ツリーの複数世代から微小血管への流れのダイナミクスを予測できる。本研究は,CTEPHの大型動物モデルからの振り返りデータを用いて,計算血行動態モデルとガウス過程を用いて,迅速かつ主観的なキャリブレーションを行う。 CTEPHの微小血管機能障害と動脈壁せん断応力の変化を主観的に予測した。

関連論文リスト

Aneumo: A Large-Scale Comprehensive Synthetic Dataset of Aneurysm Hemodynamics [17.399830761203823]
脳動脈瘤 (IA) は通常無症候性であるが, 破裂すると重症くもくも膜下出血 (SAH) を来す。本研究は, 頭蓋内大動脈瘤の血行動態の包括的データセットを構築した。
論文参考訳（メタデータ） (2025-01-17T06:43:03Z)
Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
論文参考訳（メタデータ） (2024-12-23T13:05:17Z)
TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
論文参考訳（メタデータ） (2024-11-05T19:35:10Z)
Deep vectorised operators for pulsatile hemodynamics estimation in coronary arteries from a steady-state prior [2.3971720731010766]
本稿では,拍動血行動態を推定するために,機械学習を利用した時間効率な代理モデルを提案する。本モデルでは, 震源領域の再サンプリングに依存せず, 脈動速度と圧力の正確な推定値が得られた。
論文参考訳（メタデータ） (2024-10-15T12:24:50Z)
Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文参考訳（メタデータ） (2024-07-28T02:42:36Z)
Time Series Modeling for Heart Rate Prediction: From ARIMA to Transformers [4.744436991413165]
本研究では、LSTMを含む高度なディープラーニングモデルを用いて、MIT-BIHデータベースから心拍数時系列を予測する。結果は、ディープラーニングモデル、特にPatchTSTが、複数のメトリクスで従来のモデルを大幅に上回っていることを示している。
論文参考訳（メタデータ） (2024-06-18T01:55:37Z)
Learning Energy-Based Prior Model with Diffusion-Amortized MCMC [89.95629196907082]
非収束短距離MCMCを用いた事前及び後方サンプリングによる潜時空間EMM学習の一般的な実践は、さらなる進歩を妨げている。本稿では,MCMCサンプリングのための単純だが効果的な拡散型アモータイズ手法を導入し,それに基づく潜時空間EMMのための新しい学習アルゴリズムを開発した。
論文参考訳（メタデータ） (2023-10-05T00:23:34Z)
Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models [75.52575380824051]
圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
論文参考訳（メタデータ） (2023-06-05T22:09:06Z)
SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文参考訳（メタデータ） (2022-04-20T17:28:08Z)
Modeling and Predicting Blood Flow Characteristics through Double Stenosed Artery from CFD simulation using Deep Learning Models [0.0]
我々は、単純化された二重狭窄動脈モデルのCFDシミュレーションにより生成されたデータセットを用いて、深層学習モデルを訓練し、血流特性を学習し、予測する。一般化された単純化されたモデルの観点から、制限された首の幾何学的表現が提案され、以前の仮定よりも優れていた。
論文参考訳（メタデータ） (2021-12-04T11:16:28Z)
Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
論文参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。