申请/专利权人：西安交通大学

申请日：2020-09-11

公开（公告）日：2024-04-02

公开（公告）号：CN112052617B

主分类号：G06F30/23

分类号：G06F30/23;G06F30/27;G06F30/28;G06F111/10;G06F113/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2020.12.25#实质审查的生效;2020.12.08#公开

摘要：本发明公开了一种非疾病诊断用途的用于预测支路血管流场的方法及系统，所述方法包括以下步骤：构建获得支路血管物理分析模型；采用拉丁超立方抽样方法，构建获得支路血管物理分析模型的样本集；构建获得深度核学习模型的训练数据集和验证数据集；采用一阶随机梯度优化算法训练，获得训练后的预测模型；通过验证数据集对训练后的预测模型进行验证，达到预设精度后，获得训练好的预测模型；获取待预测支路血管的几何设计参数，并馈入到获得的训练好的预测模型中，输出获得支路血管流场预测值。本发明能够实现对支路血管流场的快速、准确预测。

主权项：1.一种非疾病诊断用途的用于预测支路血管流场的方法，其特征在于，包括以下步骤：步骤1，基于待分析支路血管，构建获得支路血管几何模型；基于支路血管几何模型，构建获得支路血管物理分析模型；步骤2，采用拉丁超立方抽样方法，构建获得支路血管物理分析模型的样本集；步骤3，通过仿真或实验方法，获得支路血管物理分析模型的样本集中各个样本的解；基于获得的解，构建获得深度核学习模型的训练数据集和验证数据集；步骤4，基于步骤3获得的训练数据集对预构建的支路血管流场预测深度核学习模型采用一阶随机梯度优化算法训练，获得训练后的预测模型；通过验证数据集对训练后的预测模型进行验证，达到预设精度后，获得训练好的预测模型；步骤5，获取待预测支路血管的几何设计参数，并馈入到步骤4获得的训练好的预测模型中，输出获得支路血管流场预测值；其中，步骤4中所述的预构建的支路血管流场预测深度核学习模型包括：输入层，所述输入层的输入包括：支路血管中一点的时空坐标、支路血管的设计参数；隐藏层，用于对输入的时空坐标及设计参数进行前向传播，获得支路血管物理场的特征并输出；用于作为深度核学习模型的“深度”部分；高斯过程层，用于对隐藏层输出的特征进行高斯过程回归，获得一个含概率信息的流场预测结果；用于作为深度核学习模型的“核”部分；预测输出层，用于将深度核学习模型的流场预测结果输出；自动微分器层，用于对深度核学习模型预测得到的流场物理量进行自动微分运算，输出预测结果的各阶导数值；极大似然估计层，所述极大似然估计层的输入为自动微分器层的输出；用于按照极大似然估计法计算流场预测损失函数的各个分项；损失函数层，用于将极大似然估计层输出的损失函数分项求和，求得支路血管预测的总损失函数。

全文数据：

权利要求：

百度查询： 西安交通大学 一种非疾病诊断用途的用于预测支路血管流场的方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD