深度神经网络可消除心脏组织模型中的螺旋波湍流
斑图形成与孤子
2025-09-15 v1 计算物理
摘要
室性心律失常，如室性心动过速(VT)和心室颤动(VF)，会引发心脏性猝死(SCD)，这是工业化世界死亡的主要原因。因此，消除 VT 和 VF 是一个至关重要的问题，目前正通过实验、理论和数值方法进行研究。数值研究使用心脏组织的偏微分方程模型，该模型存在螺旋波或破碎螺旋波解，这些解是 VT 和 VF 的数学对应物。对这类心脏组织数学模型的计算机模拟研究不仅使我们能够探索此类螺旋波湍流的特性，还能通过施加可消除螺旋波的电流来开发低幅度除颤的数学模拟。我们开发了一种高效的基于深度神经网络 U-Net 的方法，用于控制心脏组织数学模型中的螺旋波湍流。具体而言，我们使用简单的双变量 Aliev-Panfilov 模型和离子层面真实的 TP06 数学模型表明，螺旋湍流图案的相关长度 越低，通过在网格电极上施加控制电流就越容易消除它们。然后，我们使用 TP06 模型的螺旋湍流图案训练 U-Net 来预测钠电流，该电流沿着追踪螺旋波传播前沿的细线最为显著。我们在预测的钠电流线附近施加电流，以高效地消除螺旋波。这些电流的幅度会自动调节，在 较大时变小，反之亦然。我们表明，我们由 U-Net 辅助的螺旋波湍流消除方法优于先前的方法。
引用
@article{arxiv.2509.09806,
title = {Deep Neural Networks can eliminate Spiral-wave Turbulence in Cardiac Tissue Models},
author = {Vasanth Kumar Babu and Rahul Pandit},
journal= {arXiv preprint arXiv:2509.09806},
year = {2025}
}