bioRxiv 预印本· Mehdi, R. R., Kadivar, N., Neelakantan, S., Myers, K. J., Wang, E., Agraz, M., Zhang, P., Karniadakis, G., Choudhary, G., Avazmohammadi, R. ·· 2026-10-19AI 评分18
物理信息神经网络从在体生理测量预测心肌力学
Physics-informed neural network for predicting myocardial mechanics from in vivo physiological measurements
AI 导读
研究提出一种物理信息神经网络(PINN)框架,将本构生物力学与器官级生理测量结合,同步推断心肌生物力学描述符并预测物理一致的应力响应。以肺动脉高压(PH)右心室重构为模型,该框架准确复现非线性应力-拉伸行为,应力预测优于常规数据驱动机器学习方法。将PINN衍生的组织级描述符与器官级生理测量结合,可改善疾病分层,更好区分对照、轻度和重度PH重构状态。
来源:bioRxiv 预印本 · biorxiv.org