基于人工智能的磁化五元纳米颗粒增强Jeffrey血流动力学建模及其在电化动脉环中的应用研究

　　来自多学科交叉团队的研究人员针对非牛顿血液流变学与多物理场耦合建模的难题，开展了磁化五元纳米颗粒（penta-hybrid nanoparticles）增强的Jeffrey血流在电化动脉环中的动态预测研究。通过结合润滑理论和Debye-Hückel线性化，采用同伦扰动法（HPM）求解，并利用人工智能神经网络（ANN）模型实现了对壁剪切应力（WSS）和传热系数（HTC）97–100%的高精度预测。该研究为个性化无创治疗策略提供了理论支撑，显著提升了生物医学工程的精准诊疗能力。

　　

本研究提出了一种人工智能（AI）框架，用于预测在导管化带电动脉环中磁化五元纳米颗粒增强的Jeffrey血液流动动力学。该工作解决了多物理场相互作用下非牛顿血液流变学建模的关键问题，采用Jeffrey流体模型表征血液与纳米颗粒混合物的流变特性，综合分析了热源、焦耳加热（Joule heating）、界面纳米层及多孔介质阻力等因素的影响。通过润滑理论和Debye-Hückel线性化简化流动系统，并利用同伦扰动法（HPM）求解。使用Mathematica与Matlab工具对关键流动参数进行可视化。计算结果表明：电渗力显著改变了导管化动脉结构中五元纳米颗粒血液的流动模式；纳米层厚度增加时导管区域血液温度降低，轴向血压梯度随电渗因子增大而升高，而壁剪切应力（WSS）减弱；传热系数（HTC）随纳米层增厚而提升。AI驱动的人工神经网络（ANN）模型对WSS和HTC的预测精度达到97–100%。研究成果凸显了其在个性化治疗策略优化方面的潜力，并通过提升无创治疗的效能与精确性，为生物医学工程领域提供了重要支撑。