We discuss solution algorithms for calibrating a tumor growth model using imaging data posed as a deterministic inverse problem. The forward model consists of a nonlinear and time-dependent reaction-diffusion partial differential equation (PDE) with unknown parameters (diffusivity and proliferation rate) being spatial fields. We use a dimension-independent globalized, inexact Newton Conjugate Gradient algorithm to solve the PDE-constrained optimization. The required gradient and Hessian actions are also presented using the adjoint method and Lagrangian formalism.
翻译：我们讨论使用成像数据作为决定性反向问题校准肿瘤生长模型的解决方案算法。 前方模型包括非线性和时间性反扩散反应偏差方程式(PDE),其未知参数(硬性和扩散率)为空间域。我们使用维维独立的全球化、不精确的牛顿共振梯度算法来解决受PDE限制的优化。所需的梯度和赫森动作也使用联合方法和拉格朗江正式主义来介绍。
相关内容
ACM/IEEE第23届模型驱动工程语言和系统国际会议，是模型驱动软件和系统工程的首要会议系列，由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来，模型涵盖了建模的各个方面，从语言和方法到工具和应用程序。模特的参加者来自不同的背景，包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛，参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会，并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。
官网链接：http://www.modelsconference.org/
Arxiv
0+阅读 · 2023年4月7日
Arxiv
0+阅读 · 2023年4月6日
Arxiv
0+阅读 · 2023年4月5日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2023年4月7日
Arxiv
0+阅读 · 2023年4月6日
Arxiv
0+阅读 · 2023年4月5日
微信扫码咨询专知VIP会员