利用稀疏发作后测量数据通过潜在神经微分方程预测血栓增长

arXiv cs.LG 论文
neural-differential-equations blood-clotting thrombosis parameter-inference forecasting medical-ai

摘要

一篇研究论文提出了一种潜在神经微分方程框架，可从稀疏测量数据推断未知凝血参数并预测血栓增长，其中随机神经微分方程取得了最佳预测性能。

arXiv:2608.08165v1 公告类型：新论文 摘要：血液凝固的计算模型有助于理解血栓形成，但其临床应用仍然有限，因为许多模型输入难以测量，且患者特异性数据往往稀疏。我们提出了一种基于潜在神经微分方程的计算框架，可从稀疏测量数据推断未知模型参数并预测血栓形成进展。我们使用多物理场凝血模型生成的数据演示了该框架，其中血栓增长受凝血级联反应和扩散控制。四个已知的生化输入（纤维蛋白原及因子IX、VIII和V）连同稀疏的早期血栓大小观测数据被用于推断组织因子参数并预测后续血栓增长。我们比较了七种概率方法：随机神经常微分方程（SNODE）、随机神经泛函微分方程（SNFDE）、潜在神经过程基线、单调概率深度集成、经验轨迹检索、PCA-岭高斯后验以及Gompertz曲线检索。SNODE在推断未知输入和预测未来血栓增长轨迹方面表现最佳。SNFDE表现相似，且始终优于其他非微分模型。随着可用观测数据增多，预测准确性提高；而预测时限越长，不确定性增加、准确性下降。因此，潜在神经微分方程能够有效地结合稀疏测量下的参数推断和血栓增长预测，为个性化血栓建模提供了有前景的基础。
查看原文
查看缓存全文

缓存时间: 2026/08/11 08:10 

# 利用潜在神经微分方程从发病后的稀疏测量中预测血栓生长
来源：https://arxiv.org/abs/2608.08165
查看 PDF（https://arxiv.org/pdf/2608.08165）

> 摘要：血液凝固的计算模型有助于理解血栓形成，但其临床应用仍然受限，因为许多模型输入难以测量，且患者特异性数据往往稀疏。我们提出了一种基于潜在神经微分方程的计算框架，该框架能从稀疏测量中推断未知模型参数，并预测血栓形成的进展。我们使用多物理场血液凝固模型生成的数据来展示该框架，其中血栓生长由凝血级联反应和扩散控制。四个已知的生化输入（纤维蛋白原以及因子IX、VIII和V），连同稀疏的早期血栓尺寸观测数据，用于推断组织因子参数并预测后续血栓生长。我们比较了七种概率方法：随机神经常微分方程（SNODE）、随机神经泛函微分方程（SNFDE）、潜在神经过程基线、单调概率深度集成、经验轨迹检索、PCA-岭高斯后验和Gompertz曲线检索。SNODE在推断未知输入和预测未来血栓生长轨迹方面取得了最佳性能。SNFDE表现相近，并始终优于其他非微分模型。随着可用观测数据的增多，预测准确性提高，而更长的预测时间范围则增加不确定性并降低准确性。因此，潜在神经微分方程能有效结合参数推断和基于稀疏测量的血栓生长预测，为个性化血栓建模提供了有前景的基础。

## 提交历史

来自：Lennon Shikhman \[查看电子邮件（https://arxiv.org/show-email/4a2f1e44/2608.08165）\] **\[v1\]** 2026年8月8日星期六 14:47:28 UTC（964 KB）

相似文章

一种基于Latent ODE的电影心脏磁共振时空建模方法

arXiv cs.AI

本文提出了一种潜在动态模型，使用心率感知的神经ODE和基于图的网格自编码器，对电影心脏磁共振中的全周期心室运动进行建模。该模型应用于72,386名英国生物样本库参与者，在心衰风险预测方面优于传统心脏标志物。