用于概率性心房激活图与传导速度不确定性的高斯过程流形插值
机器学习
2021-04-28 v2 机器学习
摘要
在房颤患者中，局部激活时间（LAT）图常规用于表征患者病理生理。LAT 图的梯度可用于计算传导速度（CV），其直接关联于材料导电性，并可能提供心房基质性质的重要测度。在 CV 计算中纳入不确定性将有助于解释这些测量的可靠性。在此，我们基于近期关于降秩高斯过程（GP）的见解，直接在人类心房流形上执行不确定 LAT 的概率性插值。我们的高斯过程流形插值（GPMI）方法考虑了心房的拓扑结构，并允许计算预测 CV 的统计量。我们在两例临床病例上演示了该方法，并针对模拟真值进行了验证。CV 不确定性依赖于数据密度、波传播方向与 CV 大小。GPMI 适用于非欧几里得流形上其他不确定量的概率性插值。
引用
@article{arxiv.2004.10586,
title = {Gaussian Process Manifold Interpolation for Probabilistic Atrial Activation Maps and Uncertain Conduction Velocity},
author = {Sam Coveney and Cesare Corrado and Caroline H Roney and Daniel O'Hare and Steven E Williams and Mark D O'Neill and Steven A Niederer and Richard H Clayton and Jeremy E Oakley and Richard D Wilkinson},
journal= {arXiv preprint arXiv:2004.10586},
year = {2021}
}