人工智能驱动的狭窄动脉内 Fe3O4 纳米颗粒富集血液的 Darcy-Forchheimer 流动分析：颗粒尺寸与颗粒间距的作用

《Next Nanotechnology》：AI-driven analysis of iron oxide nanoparticle-enriched blood flow in stenosed arteries: Impact of particle size and interparticle distance

　　

血液基纳米流体（nanofluid, NF）在狭窄动脉（stenosed arteries）中的传输特性对高效药物递送（drug delivery）和热疗（thermal therapy）至关重要。狭窄改变流动行为和剪切应力（shear stress），从而增强或降低药物沉积（drug deposition）。这些变化直接影响药物分子到达动脉壁和斑块（plaques）的能力，这对于提高靶向药物递送系统（targeted drug delivery systems）的有效性至关重要。本研究通过整合热辐射（radiation）、磁场（magnetic field）、黏性耗散（viscous dissipation）、热吸收/生成（heat absorption/generation）、放热/吸热化学反应（exo/endothermic chemical reaction）以及注入/抽吸（injection/suction）的影响，研究了血液基氧化铁纳米流体经狭窄动脉的 Darcy-Forchheimer 流动。研究还考虑了氧化铁纳米颗粒的粒径（nanoparticle radius）和颗粒间距（interparticle spacing）的影响。采用适当的转换变量将控制方程转化为常微分方程（ordinary differential equations, ODEs），随后在 MATLAB 中通过 bvp4c 进行求解。进一步地，采用高斯（Gaussian）和三角（triangular）隶属函数（membership functions, MFs）预测速度、温度和纳米流体浓度剖面。采用混合 PSO-ANN（Particle Swarm Optimization-Artificial Neural Network，粒子群优化-人工神经网络）模型预测表面阻力（surface drag force）、局部 Nusselt 数（local Nusselt number）和 Sherwood 数（Sherwood number）。研究结果表明，较大的辐射参数改善温度剖面，这有利于热辅助药物递送（thermal-assisted drug delivery）。相反，增加抽吸/注入参数降低速度和纳米颗粒浓度剖面。当辐射参数从 0 变化至 0.5 时，局部 Nusselt 数出现显著增长（145.59%），特别是在颗粒间距比参数（interparticle spacing ratio parameter）取值较小时。所提出的混合 PSO-ANN 模型可对传输特性进行快速、可靠估计，为优化狭窄动脉中基于纳米颗粒的治疗递送（nanoparticle-based therapeutic delivery）提供重要潜力。

K. Parkavi、N. Thamaraikannan、P. Senthilkumar、K. Loganathan 和 S. Eswaramoorthi 围绕血液基纳米流体（nanofluid, NF）在狭窄动脉（stenosed artery，动脉局部狭窄区域）中的传输特性开展研究。研究背景在于，含纳米颗粒的血流可提升热导率、热质传输速率，并服务生物医学工程、靶向药物递送和强化治疗传热；狭窄会改变流动行为与剪切应力，进而影响药物沉积及药物分子到达动脉壁和斑块的能力。现有研究虽关注热辐射 NF 经狭窄动脉的流动，但多数未联合分析磁场、颗粒间距比（interparticle spacing ratio, IPSR）、吸热/放热反应以及抽吸/注入等因素，因此该研究旨在补足这一研究空白，考察 Darcy-Forchheimer 流（Darcy-Forchheimer flow，考虑多孔介质达西阻力与 Forchheimer 非线性惯性阻力的流动）下血液基 Fe₃O₄ NF 在狭窄动脉中的热动力学行为。研究整合磁流体动力学（magnetohydrodynamics, MHD）、热辐射、热吸收/生成、IPSR、放热/吸热反应及抽吸/注入，并构建人工神经网络（artificial neural network, ANN）框架预测表面阻力、传热与传质梯度。其意义在于为控制血液运动与温度、向病变动脉递送药物以及靶向治疗提供计算依据。

关键技术方法概括（不超过250字）：研究人员建立二维、不可压缩 Darcy-Forchheimer 血液基 Fe₃O₄ NF 模型，引入磁场、热辐射、黏性耗散、热吸收/生成、放热/吸热化学反应、抽吸/注入及颗粒半径与 IPSR 效应；采用相似变换将控制方程化为常微分方程（ordinary differential equations, ODEs），用 MATLAB 中 bvp4c 以 10^?5 误差求解；再用三角隶属函数（triangular membership function, TMF）和高斯隶属函数（Gaussian membership function, GMF）预测速度、温度和浓度剖面；采用 9-4-1 结构混合 PSO-ANN（particle swarm optimization-artificial neural network）预测表面摩擦系数（skin friction coefficient, SFC）、局部 Nusselt 数（local Nusselt number, LNN）和局部 Sherwood 数（local Sherwood number, LSN），训练/验证/测试比例为70%/15%/15%，目标为最小均方误差。不涉及样本队列来源。

研究结果如下。7.1 Velocity profile（速度剖面）：通过 bvp4c 参数扫描及 TMF/GMF 对照发现，磁场参数 M、Forchheimer 数 Fr 和抽吸/注入参数 f_w 增大时速度降低；曲率参数 γ 增大时速度提高；IPSR 增大会增强流体-颗粒相互作用与阻力，导致速度剖面下降。7.2 Temperature profile（温度剖面）：放热反应（α>0）提高温度，吸热反应（α<0）降低温度；辐射参数 R_d 和 Eckert 数 E_c 增大均提高温度剖面；IPSR 增大会降低纳米颗粒诱导的热传输和热扩散，使温度剖面下降。7.3 Nanofluid concentration profile（纳米流体浓度剖面）：化学反应参数 C_r 增大使浓度剖面显著下降；活化能参数 E 增大会提高浓度；f_w 增大降低 solutal 边界层厚度，γ 增大则呈相反趋势；IPSR 增大会降低颗粒拥挤并提高质量扩散，使纳米颗粒浓度剖面发展。7.4 ANN-PSO results（ANN-PSO 结果）：通过相关性、概率误差及预测/回归/误差/误差直方图分析，SFC 与 M、λ_p、Fr、f_w、γ 呈显著负相关；LNN 与 γ、H_g、δ、α、C_r 呈负相关，与 R_d 呈正相关；LSN 与 γ、δ、α、C_r、n 呈正相关，与 E 呈负相关；均满足 |r|>6×PE，模型 MSE 很小、回归接近零误差线、误差直方图集中于 0，显示预测稳定准确。7.5 Effects of R_d on local Nusselt number（R_d 对局部 Nusselt 数的影响）：通过比较有/无黏性耗散情形，R_d 从 0 增至 0.5 时 LNN 显著提高；E_c=0.5 时 h/d_p=1、2、3、4 的最高增幅分别为145.59%、75.41%、70.60%、69.46%，最低增幅分别为22.66%、18.68%、18.21%、18.09%；E_c=0 时最高增幅分别为15.96%、15.79%、15.77%、15.76%，最低增幅分别为7.38%、7.29%、7.272%、7.268%；有黏性耗散时 LNN 增量更大。

讨论部分总结：讨论将数值结果与 TMF/GMF 预测及 PSO-ANN 预测相互印证，并通过基准比较说明结果与既有研究一致；参数相关性和概率误差分析显示各参数与 SFC、LNN、LSN 的关系具有统计显著性；LNN 增量分析表明黏性耗散会强化辐射参数对传热的影响。研究结论翻译如下：研究人员发现，NF 速度剖面在磁场参数和 Forchheimer 数作用下降低；较大的 IPSR 会促进流体-颗粒连接和受限渗透流区域中的阻力，从而降低流速；辐射参数和 Eckert 数提高 NF 温度剖面，而 IPSR 使其下降；化学反应参数和活化参数在 NF 浓度剖面中作用相反；当 R_d 从 0 变化至 0.5 时，LNN 出现显著增长（145.59%），尤其在 h/d_p 较小时；更强黏性耗散较无黏性耗散情形产生更大热传输率。研究人员指出，该研究为控制血液运动与温度以及向病变动脉递送药物提供见解，尤其面向人动脉靶向药物递送等疾病治疗；当前研究限于含辐射、黏性耗散和放热/吸热反应的 MHD 血液基 Fe₃O₄ NF 经狭窄动脉流动，未来研究可考虑非牛顿流体模型、非线性辐射、非均匀热源/汇以及连接情形下废颗粒排放浓度。