НОВОСТЬ · RESEARCH · #357
Исследование: разреженная интерполяция внутри анатомии превосходит перенос LightGBM между анатомиями для суррогатов аортального FSI
Авторы оценили геометрический LightGBM-прайор, выбранный по схеме leave-one-anatomy-out на трёх моделях и протестированный нулевым выносом на четвёртой, затем применили восстановление поля с 5% якорей; нулевой перенос показал плохие результаты, тогда как интерполяция внутри анатомии (обратное взвешивание по расстоянию и радиальные базисные функции) дала существенно более высокие R2 для OSI и стрессовых метрик. Код и данные опубликованы на GitHub, исследование основано на четырёх обезличенных аортальных моделях (arXiv:2609.16322v1).
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Авторы оценили геометрический LightGBM-прайор, выбранный по схеме leave-one-anatomy-out на трёх моделях и протестированный нулевым выносом на четвёртой, затем применили восстановление поля с 5% якорей; нулевой перенос показал плохие результаты, тогда как интерполяция внутри анатомии (обратное взвешивание по расстоянию и радиальные базисные функции) дала существенно более высокие R2 для OSI и стрессовых метрик.
- Код и данные опубликованы на GitHub, исследование основано на четырёх обезличенных аортальных моделях (arXiv:2609.16322v1).
- Это важно, потому что показывает: при небольших когортах разреженные метки внутри анатомии и классическая интерполяция могут превосходить ML-прайоры при заполнении биомеханических полей, что снижает ожидания от нулевого переноса между анатомиями.
ПОЧЕМУ ЭТО ВАЖНО
Это важно, потому что показывает: при небольших когортах разреженные метки внутри анатомии и классическая интерполяция могут превосходить ML-прайоры при заполнении биомеханических полей, что снижает ожидания от нулевого переноса между анатомиями.