基于周期性校正神经网络的血流血管壁耦合

• 作者: 买雪洁 石杰元 童倩倩
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 流固耦合 血管壁 数据驱动 周期性校正 平滑粒子流体动力学(SPH)
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 图形图像处理
• 页码范围: 178-183
• 页数: 6页
• 分类号: TP391.9
• 字数: 5607字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1809-0197

摘要

针对传统的血流血管壁耦合难以兼顾计算效率和视觉真实感的问题,提出了一种基于周期性校正神经网络(Periodic-corrected Network,PcNet)的血流血管壁耦合数据驱动仿真方法.设计基于平滑粒子流体动力学(SPH)的血流粒子状态特征向量,对邻域血流粒子和血管壁代理粒子的混合贡献进行建模.提出一种半监督的神经网络——改进的周期性校正神经网络,预测每个粒子在下一帧的加速度.实验结果表明该仿真方法实现了快速、稳定、逼真的血流血管壁耦合.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	童倩倩	武汉大学计算机学院	8	47	3.0	6.0
2	买雪洁	武汉大学计算机学院	1	0	0.0	0.0
3	石杰元	武汉大学计算机学院	1	0	0.0	0.0