利用物理信息神经网络表征抗心律失常药物对心脏电生理的影响
定量方法
2024-11-07 v1
摘要
准确推断心脏电生理（EP）特性的能力是改善心律失常诊断和治疗的关键。在本工作中，我们开发了一个物理信息神经网络（PINNs）框架，用于预测不同心肌 EP 参数如何受抗心律失常药物调控。利用体外光学标测图像和三通道 Fenton-Karma 模型，我们估计了这些药物引起的离子通道电导变化。我们的框架成功表征了药物 HMR1556、硝苯地平和利多卡因的作用——分别阻断 、 和 电流——估计它们使相应通道电导分别降低了 、 和 ，而其他通道的电导保持不变。对于主要作用是阻断细胞间缝隙连接的甘珀酸，PINNs 也成功预测所有离子电导均无显著变化 。我们的结果是朝着将 PINNs 部署用于从实验数据估计模型参数迈出的重要一步，使该框架更接近临床或实验室图像分析以及数学模型的个性化。
引用
@article{arxiv.2403.08439,
title = {Characterisation of Anti-Arrhythmic Drug Effects on Cardiac Electrophysiology using Physics-Informed Neural Networks},
author = {Ching-En Chiu and Arieh Levy Pinto and Rasheda A Chowdhury and Kim Christensen and Marta Varela},
journal= {arXiv preprint arXiv:2403.08439},
year = {2024}
}
备注
Accepted for publication in the 21st IEEE International Symposium on Biomedical Imaging 2024