目前,心血管疾病仍是全世界范围内造成死亡的主要原因,占全球死亡总数的56%。常见的心血管疾病有高血压、冠心病、动脉粥样硬化以及心衰等。心血管疾病的发生往往伴随着某些重要血流动力学参量的变化,因此对血流动力学分析贯穿在心血管疾病的发生发展、早期预防以及诊断治疗等各个方面。相比于动物实验和人体临床实验,利用体外模拟循环系统进行血流动力学分析不仅可以很容易对各种参数进行调节,而且能够方便利用光电检测技术对循环系统中的关键血流动力学信号进行实时测量和计算分析。另外,现有的血流动力学分析通常基于血流动力学原理建立物理模型来实现。这些血流动力学物理模型往往将循环系统处理成线性系统,虽然可以有效刻画循环系统的血流动力学机制,但存在模拟结果不够精准且计算过程偏复杂等缺点。本论文采用基于神经网络模型的机器学习方法简化血流动力学模型计算,实现血流动力学参量的快速预测。本论文首先获取受试者在体颈总动脉处的血压以及血流量波形,并对压力和流量波形进行傅里叶分解,得到描述颈总动脉后负荷的输入阻抗曲线;其次,基于压力、流量波形以及得到的输入阻抗曲线,建立基于血流动力学原理的五元件集中参数模型和神经网络模型;最后构建了模拟颈总动脉血流动力学特性的体外模拟循环系统。体外模拟循环系统主要由离心泵、弹性腔、阻力阀、弹性硅胶管、压力传感器、激光测距仪等光电设备和耗材组成。其中离心泵模拟心脏泵血功能,弹性腔模拟血管顺应性,阻力阀模拟血流阻力,弹性硅胶管模拟人体动脉、压力传感器用来测量血压,激光测距仪用来测量血管管径尺寸。离心泵工作频率和工作能级的控制通过STM32控制器,采取脉冲宽度调制的方式来实现。利用该系统测得的血压和血流量数据训练神经网络模型并将神经网络模型预测结果与五元件集中参数模型结果进行比较。数值仿真和实验结果表明,本论文设计的体外模拟循环系统能够较好地模拟不同生理条件下的血压以及血流量信息,并且基于神经网络模型预测的血流动力学结果明显优于基于五元件集中参数模型得到的结果。综上所述,本论文所提出的在体外模拟循环系统中利用光电检测和神经网络模型进行的血流动力学分析为进一步研究人体循环系统的血流动力学机制提供了新的思路和方法。