환자 맞춤형 모델링과 신경생리학적 매개변수 추정을 위한 재현 가능한 PINN 프레임워크

암은 여전히 주요 글로벌 건강 문제로 남아 있으며, 개인화된 치료를 촉진합니다. PDE 기반 모델은 종양 역학을 포착하고 환자 맞춤형 예측을 가능하게 하지만, 전통적인 해법인 FDM이나 FEM은 계산 비용이 많이 들고 광범위한 보정이 필요하며, 순수 데이터 기반 신경망은 종종 해석 가능성이 부족합니다. 물리 정보 신경망(PINNs)은 PDE 제약 조건을 포함하여 이러한 한계를 해결하고, 전진 시뮬레이션과 역 매개변수 추정을 지원합니다. 우리는 Fisher–KPP 방정식을 기반으로 한 재현 가능한 오픈 소스 PINN 프레임워크를 사용하여 신경 교모종 성장 모델링을 수행합니다. 체계적인 하이퍼파라미터 연구가 구조, 활성화 함수, 옵티마이저, 학습률, 배치 및 샘플링 전략을 평가합니다. 합성 종양에 대한 실험은 정확한 역학과 신뢰할 수 있는 생리학적 매개변수 회복을 보여줍니다. 또한 우리는 독립 실행형 Python 구현, 투명한 데이터셋 및 개인화된 종양학 연구를 위한 실용적인 가이드라인을 제공합니다.