針對傳統(tǒng)的血流血管壁耦合難以兼顧計算效率和視覺真實感的問題,提出了一種基于周期性校正神經(jīng)網(wǎng)絡(luò)（Periodic-corrected Network,PcNet）的血流血管壁耦合數(shù)據(jù)驅(qū)動仿真方法。設(shè)計基于平滑粒子流體動力學(xué)（SPH）的血流粒子狀態(tài)特征向量,對鄰域血流粒子和血管壁代理粒子的混合貢獻進行建模。提出一種半監(jiān)督的神經(jīng)網(wǎng)絡(luò)——改進的周期性校正神經(jīng)網(wǎng)絡(luò),預(yù)測每個粒子在下一幀的加速度。實驗結(jié)果表明該仿真方法實現(xiàn)了快速、穩(wěn)定、逼真的血流血管壁耦合。 

【文章來源】：計算機工程與應(yīng)用. 2019,55(24)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

經(jīng)典三層神經(jīng)網(wǎng)絡(luò)工作機制

輸入數(shù)據(jù)（當(dāng)前幀血流粒子鄰域特征向量）和目標(biāo)數(shù)據(jù)（下一幀血流粒子加速度）通過如下場景獲得：初始化柱狀血流，使其從一定高度開始在重力作用下流入固定的血管模型，時間步長為0.005 s。如圖2所示，分別對血管模型A、血管模型B進行仿真，并分別收集數(shù)據(jù)，利用本文半監(jiān)督式周期性校正的訓(xùn)練策略訓(xùn)練血管模型專用網(wǎng)絡(luò)。以血管模型A為例，經(jīng)5輪不同初始高度的仿真得到5組數(shù)據(jù)，每組收集800幀，每幀16 000個粒子信息，總計6 400萬樣本。本文神經(jīng)網(wǎng)絡(luò)在輸入層有24個神經(jīng)元，輸出層有3個神經(jīng)元。經(jīng)初步驗證，當(dāng)隱含層數(shù)達到3層、每個隱含層的神經(jīng)元個數(shù)達到5個時，神經(jīng)網(wǎng)絡(luò)可以相對準(zhǔn)確地描述輸入層和輸出層之間的非線性關(guān)系。隨著隱含層數(shù)和單層神經(jīng)元個數(shù)繼續(xù)增加，網(wǎng)絡(luò)性能并沒有明顯提升，同時消耗大量計算資源。因此，最終將隱含層數(shù)設(shè)置為3層，隱含層神經(jīng)元個數(shù)設(shè)置為5個。

如圖3所示，本文方法實現(xiàn)了逼真、穩(wěn)定的血流血管壁耦合動態(tài)仿真，取得了與物理方法幾乎一致的視覺效果。圖4將時間定格，在同一幀中多個視角下對兩種方法的仿真結(jié)果進行對比。觀察發(fā)現(xiàn)，本文方法在一些血流飛濺的細節(jié)上表現(xiàn)出了更精細的視覺效果（虛線圈出），這與物理方法為簡化計算選用低壓縮性推導(dǎo)的做法有關(guān)。同時，本文數(shù)據(jù)驅(qū)動方法利用神經(jīng)網(wǎng)絡(luò)求解器在血流粒子加速度計算步的快速求解能力，避免了物理方法復(fù)雜的流體力和耦合力計算過程，在計算效率上實現(xiàn)了5倍左右的提升（如表1所示）。圖4兩種方法單幀血流仿真結(jié)果的多視角對比

【參考文獻】：
期刊論文
[1]虛擬手術(shù)流血模擬的GPU加速實現(xiàn)[J]. 賴顥升,向輝.  中國圖象圖形學(xué)報. 2014(10)



本文編號：3500586