ИСТИНА

Доклад посвящен различным направлениям развития квазиодномерной математической модели замкнутой системы кровообращения. Рассматриваются примеры усовершенствования модели и расширения ее функционала, создание новых математических моделей процессов, связанных с кровообращением, применение современных методов машинного обучения к результатам моделирования. Кровеносная система для модели в квазиодномерном приближении представляется графом основных сосудов. В анатомически реалистичных графах, обычно приводимых в атласах, можно идентифицировать, с учетом сегментации, суммарно около двух тысяч основных артерий и вен. Системы сосудов важных органов представляются схематично, а микрососудистое русло, как правило, не рассматривается совсем. При этом важным направлением развития гемодинамических моделей является создание локальных детализированных моделей системы кровеносных сосудов для подробного воспроизведения кровотока в определенном органе с учетом его функциональных особенностей. В докладе в качестве примера предлагаются детализированные модели кровотока в печени и почках, а также модели ангеогенеза мелких артерий и вен. Возможность моделировать замкнутую систему кровообращения позволяет реализовать модели выведения веществ из организма. В работе приводится пример построения, настройки и валидации модели экстракции печенью определенных веществ. Развитие детализированных и функционально содержательных моделей кровообращения позволяет осуществить построение синтетических баз данных графов сердечно-сосудистых систем. Каждая такая система задается набором гемодинамических и топологических параметров и сопоставляется "виртуальному пациенту". Данное направление является экспериментальным и может быть использовано для разработки машинных методов диагностики патологий кровотока. В работе приводится опыт построения множества "виртуальных пациентов", на котором проводятся эксперименты с различными методами интеллектуального анализа данных. Показывается принципиальная возможность моделирования диагностики методами машинного обучения на основе синтетических баз данных.