Mathematical Modeling and Validation in Physiology: Applications to the Cardiovascular and Respiratory Systems

این جلد جنبه‌های نظری و عملی دیدگاه‌های ریاضی و علوم زیستی مورد نیاز برای مدل‌سازی سیستم قلبی عروقی-تنفسی به‌طور خاص و سیستم‌های فیزیولوژیکی را به طور کلی ترکیب می‌کند. نکات نظری شامل طراحی مدل، پیچیدگی و اعتبارسنجی مدل در پرتو داده‌های موجود، و همچنین رویکردهای تئوری کنترل برای تأخیر بازخورد و کاربردهای فیلتر کالمن برای شناسایی پارامتر است. رویکردهای پیشرفته با استفاده از حساسیت پارامتر برای افزایش قابلیت شناسایی مدل از طریق تجزیه و تحلیل مشترک ساختار مدل و داده ها مورد بحث قرار می گیرند. مثال‌های عملی توسعه مدل را در سطوح مختلف پیچیدگی بر اساس اطلاعات فیزیولوژیکی نشان می‌دهند. رویکردهای مبتنی بر حساسیت برای بررسی قابلیت شناسایی مدل با استفاده از نمونه‌های مدل‌سازی خاص نشان داده شده‌اند. مضامین ارائه شده به مشکل فعلی انطباق مدل خاص بیمار در محیط بالینی می پردازد، جایی که داده ها معمولاً محدود هستند.

This volume synthesizes theoretical and practical aspects of both the mathematical and life science viewpoints needed for modeling of the cardiovascular-respiratory system specifically and physiological systems generally. Theoretical points include model design, model complexity and validation in the light of available data, as well as control theory approaches to feedback delay and Kalman filter applications to parameter identification. State of the art approaches using parameter sensitivity are discussed for enhancing model identifiability through joint analysis of model structure and data. Practical examples illustrate model development at various levels of complexity based on given physiological information. The sensitivity-based approaches for examining model identifiability are illustrated by means of specific modeling examples. The themes presented address the current problem of patient-specific model adaptation in the clinical setting, where data is typically limited.