期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于硬边界约束物理信息神经网络狭窄动脉血管的血液流场预测
1
作者 向华鑫 桑建兵 +2 位作者 王静远 纪猛强 张晨 《医用生物力学》 北大核心 2025年第5期1222-1229,1238,共9页
目的针对传统物理信息神经网络(physics-informed neural network,PINN)在处理血流边界条件约束时的局限性,提出一种基于硬边界约束物理信息神经网络(hard boundary-constrained physics-informed neural network,HBC-PINN)的改进方法,... 目的针对传统物理信息神经网络(physics-informed neural network,PINN)在处理血流边界条件约束时的局限性,提出一种基于硬边界约束物理信息神经网络(hard boundary-constrained physics-informed neural network,HBC-PINN)的改进方法,实现对狭窄动脉血管内血液流场的精确预测。方法首先建立理想化狭窄血管几何模型并进行计算流体动力学模拟以获得验证数据集。根据硬约束方法设计合适的边界相关试函数以将流动边界条件嵌入网络输出中,从而构建采用硬边界约束方法的HBC-PINN模型预测狭窄血流的速度场和压力场。同时还构建了采用软约束方法的原始PINN模型作为对比,通过评估两种模型在验证数据集上的准确性,验证不使用任何标记数据训练下HBC-PINN模型模拟血流动力学的能力。结果确定了HBC-PINN方法在狭窄血流动力学参数预测任务中的有效性。两种不同狭窄情况下HBC-PINN预测的流向速度和压力的相对L2误差均低于0.5%,相比原始PINN模型精度提升了48.8%以上,垂向速度的预测精度同样提升了超过35.4%。结论在PINN建模过程中实施边界条件硬约束可以有效提高对血流动力学参数的预测精度和模型求解效率。 展开更多
关键词 血管狭窄 血流动力学 物理信息神经网络 硬约束方法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部