从体表电位重建心脏表面电位的机器学习方法
机器学习
2018-02-08 v1 计算机视觉与模式识别
摘要
有创心导管插入术是外科手术前常见的操作。然而，有创心脏诊断充满风险，尤其对幼儿。数十年来针对所谓心电图逆问题开展了大量研究，该问题可用于从体表电位（BSPs）重建心脏表面电位（HSPs），以实现无创诊断。现有逆问题的最先进解不尽如人意，因为逆问题已知是病态的。本文提出一种利用时间延迟人工神经网络（TDANN）从 BSPs 重建 HSPs 的新方法。我们首先设计 TDANN 架构，然后开发迭代搜索空间算法以寻找 TDANN 的参数，从而获得最佳的整体 HSP 预测。我们使用来自严重心脏疾病患者的真实记录 BSPs 与 HSPs 来验证我们的 TDANN。结果令人鼓舞，将预测的 HSP 与记录的患者 HSP 相关联所得的系数接近理想值。
引用
@article{arxiv.1802.02240,
title = {A machine learning approach to reconstruction of heart surface potentials from body surface potentials},
author = {Avinash Malik and Tommy Peng and Mark Trew},
journal= {arXiv preprint arXiv:1802.02240},
year = {2018}
}
备注
4 pages, 9 Figures, 1 Table