摘要
本发明涉及一种基于非局部物理信息神经网络的冠状动脉斑块破裂风险评估方法,属于人工智能领域,包括以下步骤:S1:引入近场动力学理论,重构斑块破裂的力学本构方程,推导裂纹扩展准则;S2:构建非局部物理信息神经网络,将冠状动脉斑块的几何结构信息、材料属性作为输入,将斑块的位移场和应力场作为输出;将斑块力学基本方程作为物理约束条件,加入损失函数;S3:构建数据集;S4:使用训练集对物理信息神经网络进行训练,采用随机梯度下降优化算法调整网络参数,使损失函数最小化;对模型进行优化和测试;S5:将待评估的冠状动脉医学影像数输入到训练好的非局部物理信息神经网络中,输出冠状动脉斑块的破裂风险评估结果。
技术关键词
斑块
风险评估方法
物理
方程
随机梯度下降
应力场
构建深度神经网络
采样点
重构
神经网络模型
连续介质力学
迁移学习策略
医学影像数据
Adam算法
损失函数优化
图像分割算法
神经网络参数
训练神经网络
变量
系统为您推荐了相关专利信息
环境监测数据
环境监测终端
LSTM模型
环境监测传感器
终端支架
属性预测方法
文章
语义特征提取
可视化界面
矩阵
特征信息融合
光束
神经网络结构
偏振滤波器
识别方法
预测模型训练
二氧化碳地质封存
饱和度
数据
油气勘探开发技术