A LSTM-Transformer Model for pulsation control of pVADs
作者: Chaoran E, Chenghan Chen, Yuyang Shi, Haiyun Wang, Peixin Hua, Xiwen Zhang
发布时间: 2025-03-11
来源: arxiv
研究方向: 心血管辅助设备（VAD）的脉动控制
主要内容
提出了一种用于经皮心室辅助装置（pVAD）脉动控制的方法，该方法结合了NPQ模型和LSTM-Transformer模型，旨在提高pVAD的脉动性能，降低长期使用中的风险。
主要贡献
1. 开发了一种NPQ模型，用于确定pVAD的电机速度、压力和流量之间的数学关系。
2. 提出了一种LSTM-Transformer模型，用于预测pVAD的脉动时间特征点，以调整电机速度。
3. 通过液压实验和动物实验验证了AP-pVAD模型的可行性和有效性。
4. 证明了LSTM-Transformer模型在预测脉动特征时间点方面的优越性能，尤其是在数据集规模有限、噪声水平高和超参数组合多样的情况下。
5. 展示了AP-pVAD模型在提高主动脉压力和维持动物生命方面的显著效果。
研究方法
1. 数学建模：基于伯努利方程推导出pVAD的电机速度、压力和流量之间的数学模型。
2. 深度学习：使用LSTM-Transformer模型进行时间序列预测。
3. 实验验证：通过液压实验和动物实验验证模型的性能。
实验结果
实验结果表明，NPQ模型能够准确预测pVAD的压力和流量，LSTM-Transformer模型能够准确预测脉动时间特征点，AP-pVAD模型能够有效提高主动脉压力，并使动物在pVAD辅助下存活超过27小时。
未来工作
未来研究可以进一步优化模型，考虑更多的脉动特征时间点，并应用于更广泛的临床场景。