心血管问题中的随机参数预测

《Contemporary Nurse》：Stochastic parameter prediction in cardiovascular problems

高保真心血管流动建模需依赖准确流速边界数据，该数据影响动脉粥样硬化等疾病预测。由于4D flow MRI等真实数据常存在噪声和低分辨率问题，本文提出结合计算流体动力学（CFD）与集合卡尔曼滤波（EnKF）的随机数据同化方法，实现实时边界优化。实验表明该方法在2D模型中误差低于3%，3D模型误差约7%，显著提升患者特异性壁剪切应力预测精度，为心血管诊断治疗提供可靠依据。

　　

摘要

高保真的心血管流动建模需要精确的速度边界数据，这些数据对用于预测动脉粥样硬化等疾病的壁面剪切应力估计有着重要影响。然而，诸如4D流动MRI之类的体内数据通常具有较高的噪声水平且分辨率较低。我们提出了一种随机数据同化方法，将计算流体动力学（CFD）与集合卡尔曼滤波器相结合，以实现边界的实时精细化处理。该方法在二维和三维血管模型上进行测试，结果在二维情况下将误差降低到了3%以下，在三维情况下将误差降低到了约7%。这种边界精度的提升改善了针对患者的壁面剪切应力预测，从而支持更可靠的心血管疾病诊断和治疗。