Geometric deep learning of shape variation in hemodynamic simulations
Dit project streeft naar verbetering van efficiëntie en expressiviteit van hemodynamische simulaties door over te stappen van traditionele natuurkunde-gebaseerde modellen naar datagestuurde benaderingen met geometrisch diep leren. Door gebruik te maken van de uitdrukkingskracht van grafneurale netwerken, ondersteund door fysiek bewustzijn, beoogt het onderzoek voorspellingen van hemodynamische eigenschappen in patiëntspecifieke vaatgeometrieën te verbeteren. Projectresultaten zullen de klinische besluitvorming bevorderen en realtime inzichten bieden in vaatziekten op basis van patiëntspecifieke gegevens. Onze bevindingen verschaffen eveneens nieuwe basisprincipes voor parameterstudies en statistische analyses van hemodynamische modellen met aanzienlijk verminderde rekenkosten.
Het NGF AiNed XS Europa programma valt onder AiNed-deelprogramma 1 (Kennis- en innovatiebasis) en is gericht op Europese samenwerking met invloedrijke samenwerkingspartnerorganisaties in AI, in grensverleggend onderzoek met een focus op de uitdagingen in de nationale AI-onderzoeksagenda.