左冠状动脉曲率与左前降支狭窄对局部血流动力学的影响

目的 探究不同的左前降支(left anterior descending, LAD)狭窄程度和分叉血管曲率对血流动力学的影响。方法 建立不同分叉血管曲率半径和 LAD 分支狭窄率的理想模型,使用流固耦合( fluid-structure interaction, FSI)方法评估不同曲率半径和不同狭窄率情况下对血流和壁面剪切力相关指标的影响。 结果 LAD 发生狭窄后,高震荡剪切指数(oscillatory shear index, OSI)和高相对滞留时间(relative residence time, RRT)区域主要分布于 LAD 分叉脊对侧、弯曲外侧狭窄位置下游近端和弯曲内侧下游远端,并且随着狭窄程度的增加会扩大其区域与程度;由于曲率半径减小,弯曲内侧中的高 OSI 和 RRT 会向 LAD 下游远端分布,高 RRT 区域面积相对整个血管面积平均降幅能够达到 35. 68% 。 结论 LAD 狭窄的存在会增加狭窄位置下游和 LAD 分叉脊对侧发生继发性狭窄的风险。 曲率降低会促进弯曲内侧斑块的形成与发展,但从整个血管来看,又会细微地降低斑块形成概率。 研究结果可为治疗 LAD 病变与预防继发性狭窄提供方案设计与优化的理论参考。     

应用随机森林与神经网络算法的足底软组织 本构参数反演方法

目的 基于随机森林（random forest, RM）算法和反向传播（back propagation,BP）神经网络算法实现对足底软组织超弹性模型本构参数的预测,以提升本构参数获取方式的效率和准确性。方法 首先建立足底软组织球形压痕实验的有限元模型,并对球形压痕实验过程进行仿真,得到具有非线性关系的位移和压痕力的数据集。将数据集进行划分,得到训练集和测试集,分别对搭建好的RF和BP神经网络（BP neural network,BPNN）模型进行训练,通过实验数据对足底软组织本构参数进行预测。最后,引入均方误差（mean square error,MSE）和决定系数（R2）对模型的预测准确性进行评估,同时对比实验曲线验证模型的有效性。结果 利用RF和BPNN模型结合有限元仿真是确定足底软组织超弹性本构参数的有效、准确的方法。训练后的RF模型MSE达到1.370 2×10-3,R2为0.982 9;BPNN模型MSE达到4.858 1×10-5,R2为0.999 3。反求得到适用于仿真的足底软组织的超弹性本构参数,预测得到的两组本构参数的计算响应曲线与实验曲线吻合较好。结论 基于人工智能算法模型对足底软组织超弹性本构参数的预测精度很高,相关研究成果也可以应用于足底软组织其他力学特性的研究。同时,研究结果为足底软组织本构参数的获取提供新方法,有助于快速诊断足底软组织病变等临床问题。