基于贝叶斯框架下生成神经网络的心房患者特异性心腔模型生成用于电解剖标测
图像与视频处理
2023-11-29 v1 人工智能
机器学习
摘要
电解剖标测是心脏病学中使用的一项技术，用于创建心脏电活动的详细三维地图。它有助于心律失常（如心房颤动）导管消融术中的诊断、治疗规划和实时引导。在心脏 CT/MRI 扫描库上训练的概率机器学习模型可在电解剖标测期间用于生成被标测心腔的患者特异性三维模型。在贝叶斯框架下使用概率机器学习模型提供了一种量化结果不确定性的方法，并提供了模型可解释性的自然框架。在此，我们引入一种贝叶斯方法，从电解剖标测期间获取的稀疏三维点云数据重建心腔模型表面。我们展示了如何在分割的 CT/MRI 数据上训练的概率图模型可用于从少量获取的位置生成心腔模型，从而减少手术时间和 X 射线暴露。我们展示了它们如何提供对神经网络从用于训练网络的分割 CT/MRI 图像中学习内容的洞察，这为模型生成的心腔模型提供了可解释性。
引用
@article{arxiv.2311.16197,
title = {Generation of patient specific cardiac chamber models using generative neural networks under a Bayesian framework for electroanatomical mapping},
author = {Sunil Mathew and Jasbir Sra and Daniel B. Rowe},
journal= {arXiv preprint arXiv:2311.16197},
year = {2023}
}