A Vector Fitting Approach for the Automated Estimation of Lumped Boundary Conditions of 1D Circulation Models
Notice bibliographique
Résumé
PURPOSE: The choice of appropriate boundary conditions is a crucial step in the development of cardiovascular models for blood flow simulations. The three-element Windkessel model is usually employed as a lumped boundary condition, providing a reduced order representation of the peripheral circulation. However, the systematic estimation of the Windkessel parameters remains an open problem. Moreover, the Windkessel model is not always adequate to model blood flow dynamics, which often require more elaborate boundary conditions. In this study, we propose a method for the estimation of the parameters of high order boundary conditions, including the Windkessel model, from pressure and flow rate waveforms at the truncation point. Moreover, we investigate the effect of adopting higher order boundary conditions, corresponding to equivalent circuits with more than one storage element, on the accuracy of the model. METHOD: The proposed technique is based on Time-Domain Vector Fitting, a modeling algorithm that, given samples of the input and output of a system, such as pressure and flow waveforms, can derive a differential equation approximating their relation. RESULTS: The capabilities of the proposed method are tested on a 1D circulation model consisting of the 55 largest human systemic arteries, to demonstrate its accuracy and its usefulness to estimate boundary conditions with order higher than the traditional Windkessel models. The proposed method is compared to other common estimation techniques, and its robustness in parameter estimation is verified in presence of noisy data and of physiological changes of aortic flow rate induced by mental stress. CONCLUSION: Results suggest that the proposed method is able to accurately estimate boundary conditions of arbitrary order. Higher order boundary conditions can improve the accuracy of cardiovascular simulations, and Time-Domain Vector Fitting can automatically estimate them.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».