基于物理信息神经网络的心房纤维方向集成学习
机器学习
2024-11-01 v1 图像与视频处理
组织与器官
摘要
心肌的各向异性结构是心脏功能的关键决定因素。到目前为止，尚无成像模态能够在体评估心脏纤维结构。我们最近提出了 Fibernet，一种从局部电记录中自动识别心房各向异性传导——从而识别纤维——的方法。Fibernet 利用电生理映射期间记录的心脏激活，使用物理信息神经网络推断局部传导特性。在本工作中，我们将 Fibernet 扩展以应对估计纤维场中的不确定性。具体而言，我们使用神经网络集成产生多个拟合观测数据的样本，并计算后验统计。我们还引入了一种方法来选择最佳纤维方向成员，并将神经网络的输入直接定义在心房表面上。通过这些改进，我们在 8 种不同心房解剖结构中超越了先前方法在纤维方向误差方面的表现。目前，我们的方法可在 7 分钟内以量化不确定性估计纤维方向和传导速度，这为其在临床实践中的应用打开了大门。我们希望所提出的方法能够进一步推动心脏数字孪生的个性化，以实现精准医疗。
引用
@article{arxiv.2410.23388,
title = {Ensemble learning of the atrial fiber orientation with physics-informed neural networks},
author = {Efraín Magaña and Simone Pezzuto and Francisco Sahli Costabal},
journal= {arXiv preprint arXiv:2410.23388},
year = {2024}
}