用于心室激活特性推断的深度计算模型
计算机视觉与模式识别
2022-08-09 v1
摘要
患者特异性心脏计算模型对于利用数字孪生高效实现精准医疗和计算机临床试验至关重要。心脏数字孪生可为个体患者提供心脏功能的无创表征，因此在患者特异性诊断和疗法分层方面具有广阔前景。然而，当前用于解剖与功能孪生阶段（即从临床数据推断模型解剖结构与参数）的工作流在效率、鲁棒性和准确性上尚不充分。本工作中，我们提出一种基于深度学习的患者特异性计算模型，可融合解剖与电生理信息以推断心室激活特性，即传导速度与根节点。该激活特性可定量评估心脏电生理功能，以指导介入操作。我们采用Eikonal模型生成带有真实特性的模拟心电图（ECG）来训练推断模型，其中也考虑了特定患者信息。在评估中，我们在模拟数据上测试该模型，并以较快的计算时间获得了总体 promising 的结果。
引用
@article{arxiv.2208.04028,
title = {Deep Computational Model for the Inference of Ventricular Activation Properties},
author = {Lei Li and Julia Camps and Abhirup Banerjee and Marcel Beetz and Blanca Rodriguez and Vicente Grau},
journal= {arXiv preprint arXiv:2208.04028},
year = {2022}
}