HyPer-EP：面向心脏电生理学的混合个性化模型元学习
信号处理
2024-03-26 v1 人工智能
机器学习
图像与视频处理
摘要
个性化虚拟心脏模型在临床应用中的潜力日益显现，但根据患者特定数据估计其参数仍是一项挑战。传统的基于物理的建模方法计算成本高昂，且常因模型简化和假设而忽略这些模型中固有的结构误差。另一方面，现代深度学习方法严重依赖数据监督，且缺乏可解释性。本文提出一种新颖的混合建模框架，将个性化心脏数字孪生描述为基于物理的已知表达式与其未知现实差距的神经网络建模相结合的产物。随后，我们提出一种新颖的元学习框架，以实现混合模型中基于物理的组件和神经组件的分别识别。我们通过两个实例化示例及其在合成实验中的概念验证，展示了该混合建模框架的可行性和通用性。
引用
@article{arxiv.2403.15433,
title = {HyPer-EP: Meta-Learning Hybrid Personalized Models for Cardiac Electrophysiology},
author = {Xiajun Jiang and Sumeet Vadhavkar and Yubo Ye and Maryam Toloubidokhti and Ryan Missel and Linwei Wang},
journal= {arXiv preprint arXiv:2403.15433},
year = {2024}
}