Es wird ein Modell für patientenspezifische Herzmechaniksimulationen vorgestellt, das ein dreidimensionales Finite-Elemente-Modell des ventrikulären Teils des Herzens enthält, das mit einem 0-dimensionalen geschlossenen Kreislaufsystem reduzierter Ordnung, einer Herzklappe und einem Vorhofkammermodell gekoppelt ist. Die Ventrikel werden durch ein nichtlineares orthotropes passives Materialgesetz modelliert. Die elektrische Aktivierung wird durch eine vorgeschriebene parametrisierte aktive Spannung nachgeahmt, die entlang einer generischen Muskelfaserorientierung wirkt. Unsere Aktivierungsfunktion ist so konstruiert, dass der Beginn der ventrikulären Kontraktion und Relaxation sowie die Steigung der Kurve der aktiven Belastung parametrisiert sind. Das bildgebungsbasierte patientenspezifische Ventrikelmodell wird auf einen niedrigen enddiastolischen Druck vorgespannt, um die abgebildete, belastete Konfiguration zu berücksichtigen. Viskoelastische Robin-Randbedingungen werden auf die Herzbasis und das Epikard angewendet, um die Einbettung der Umgebung zu berücksichtigen. Wir behandeln die Wechselwirkung zwischen 3D-Festkörper und 0D-Flüssigkeit als ein stark gekoppeltes monolithisches Problem, das in Bezug auf 3D-Festkörper- und 0D-Flüssigkeitsmodellvariablen konsequent linearisiert wird, um ein Lösungsverfahren nach Newton zu ermöglichen. Das resultierende gekoppelte lineare Gleichungssystem wird iterativ in jedem Newton-Schritt unter Verwendung von 2 × 2 physikbasierter Blockvorkonditionierung gelöst. Darüber hinaus stellen wir neuartige effiziente Strategien zur Kalibrierung aktiver kontraktiler und vaskulärer Widerstandsparameter an experimentellen linksventrikulären Druck- und Schlagvolumendaten vor, die in Experimenten mit Schweinen gewonnen wurden. Es werden zwei exemplarische Zustände der kardiovaskulären Konditionierung betrachtet, nämlich nach Anwendung von vasodilatatorischen Betablockern (BETA) und nach Injektion von vasokonstriktivem Phenylephrin (PHEN). Die Parameterkalibrierung für das jeweilige Individuum und den jeweiligen kardiovaskulären Zustand erfolgt mit Hilfe einer zweistufigen nichtlinearen mehrstufigen Methode, die ein Low-Fidelity-Herzmodell zur Berechnung einer Parameterkorrektur für das High-Fidelity-Modelloptimierungsproblem verwendet. Wir diskutieren 2 verschiedene Low-Fidelity-Modelle im Hinblick auf ihre Fähigkeit, die Parameteroptimierung zu verbessern. Da die periodischen Zustandsbedingungen des Modells (aktiver Stress, vaskuläre Drücke und Flüsse) a priori unbekannt und auch von den zu kalibrierenden Parametern abhängig sind (und umgekehrt), führen wir die Parameterkalibrierung und die Schätzung der periodischen Zustandsbedingungen gleichzeitig durch. Nach ein paar Herzschlägen konvergiert der Kalibrierungsalgorithmus aufgrund der Erhaltung des Blutvolumens im geschlossenen Kreislaufsystem zu einem stabilen, periodischen Zustand. Das vorgeschlagene Modell und die mehrstufige Kalibrierungsmethode sind kosteneffizient und ermöglichen eine effiziente Bestimmung eines patientenspezifischen In-silico-Herzmodells, das physiologische Beobachtungen sehr gut reproduziert. Ein solches individuelles und zustandsgenaues Modell ist ein wichtiges Vorhersageinstrument für die Planung von Eingriffen, die Entwicklung von Hilfsmitteln und andere medizinische Anwendungen.