本研究结合物理信息神经网络（PINNs）与三维柔性组织生物力学模型，提出了一种新方法，能够重建位移场并估算异质病人的生物物理特性。通过有限的位移和应变数据，结合物理性质和偏微分方程，提高了模型的稳定性和收敛性，展示了在疾病诊断中的应用潜力。

本文探讨了非局部代表性学习神经算子（PNO）和物理信息神经网络（PINNs）在材料行为建模中的应用，提出了一种通过有限位移和应变数据重建生物物理特性的新方法，提升疾病诊断的个性化模拟能力。模型在复杂材料的本构参数识别和噪声数据中表现出鲁棒性，展示了机器学习与微观力学模型结合的潜力。