患者別心臓力学シミュレーションのためのモデルを紹介し、心臓の心室部分の3次元有限要素モデルを組み込んで、0次元閉ループ血管系、心臓弁、心房室モデルを縮小して結合している。 心室は非線形直交異方性受動材料則によってモデル化されている。 電気的活性化は、一般的な筋繊維の方向に沿って作用する所定のパラメータ化された活性応力によって模倣される。 活性化関数は、心室の収縮と弛緩の開始と活性応力曲線の勾配をパラメータ化したものである。 画像に基づく患者固有の心室モデルは,画像化された応力形状を考慮し,拡張末期圧が低くなるようにプレストレスされています. また,心臓の底部と心外膜には粘弾性ロビンの境界条件を適用し,周囲への埋め込みを考慮した. 3 次元固体と 0 次元流体の相互作用を強連成モノリシック問題として扱い,3 次元固体と 0 次元流体モデル変数に関して一貫して線形化し,ニュートン型解法が可能なようにした. 得られた連立1次方程式は、2×2物理ベースのブロックプリコンディショニングを用いて、ニュートンステップごとに繰り返し解かれる。 さらに、豚の実験で得られた左心室圧と一回拍出量のデータに対して、能動収縮と血管抵抗のパラメータを較正するための新しい効率的な方法を提示する。 心血管系の状態として、血管拡張作用のあるβブロッカー(BETA)投与後と、血管収縮作用のあるフェニレフリン(PHEN)注入後の2つの模範的状態を考えている。 このパラメータキャリブレーションは2段階の非線形マルチレベル法を用いて行われ,低忠実度心臓モデルを用いて高忠実度モデル最適化問題のパラメータ補正を計算する. 我々は、パラメータ最適化を補強する能力に関して、2つの異なる低忠実度モデルの選択について議論する。 モデル上の周期的状態条件(活性ストレス、血管圧、フラックス)は先験的に未知であり、また較正すべきパラメータに依存するため(逆も同様)、パラメータ較正と周期的状態条件の推定を同時に実施する。 数回の心拍の後、閉ループ循環系内の血液量の保存のため、キャリブレーションアルゴリズムは落ち着いた周期的な状態に収束する。 提案したモデルとマルチレベルキャリブレーション法は、コスト効率が高く、生理的観察を非常によく再現する患者固有のインシリコ心臓モデルを効率的に決定することができる。 このような個人および状態精度の高いモデルは、治療計画、補助装置工学、その他の医療応用において重要な予測ツールとなる。