Применение метода роя частиц в оптимизации места формирования обходного сосудистого анастомоза на основе электрической модели сосудистой сети

Автор: Юлия Олеговна Куянова

Соавторы: А.В. Дубовой, А.В. Бервицкий, Д.В. Паршин

Организация: Институт гидродинамики им. М.А. Лаврентьева СО РАН

Применение метода роя частиц в оптимизации места формирования обходного сосудистого анастомоза на основе электрической модели сосудистой сети

Формирование обходных анастомозов в сосудистой сети головного мозга - важный и актуальный метод лечения различных сосудистых патологий в современной клинической практике. Тем не менее, вопрос о том, нужно ли применять такой подход к лечению в случае каждого конкретного пациента, на сегодняшний день остается открытым, поскольку в некоторых случаях формирование анастомоза может не только оказаться неэффективным, но и вызвать послеоперационные осложнения. Кроме того, важной задачей является поиск оптимальных параметров соединения сосуда-донора и сосуда-реципиента.

Ранее в своей работе мы определили оптимальный угол формирования анастомоза [1]. Данное исследование посвящено проблеме оптимизации размещения донорского сосуда. Электрическая аналогия гемодинамической системы использовалась для моделирования сосудистой сети до и после формирования обходного анастомоза. Оптимальное место установки определяется с помощью методов роевого интеллекта, в частности, с помощью канонического метода роя частиц [2]. В ходе исследования также рассматривались различные наборы параметров канонического метода, с целью найти наиболее эффективный набор для рассматриваемой задачи.

Работа выполнена при финансовой поддержке Российского Научного Фонда, проект № 20-71-10034.

1. Iu. O. Kuyanova, S. S. Presnyakov, A. V. Dubovoy, A. P. Chupakhin, D. V. Parshin. Numericalstudy of the tee hydrodynamics in the model problem of optimiz-ing the low-flow vascular bypass angle // Journal of Applied Mechanics and Technical Physics. 2019. V. 60, P. 1038-1045.

 

2. J. Kennedy, R. Eberhart. Particle swarm optimization // In Proceedings of the IEEE international conference on neural networks IV. 1995. P. 1942–1948.