利用物理信息神经网络从心内标测图学习心房纤维取向与传导张量
机器学习
2021-05-07 v2 人工智能
摘要
电解剖标测图是房颤诊断和治疗中的关键工具。当前方法侧重于所记录的激活时间。然而，从可用数据中提取更多信息是可能的。心脏组织中的纤维传导电波更快，其方向可从激活时间推断。本工作中，我们采用一种近期发展的方法，称为物理信息神经网络（physics-informed neural networks），从电解剖标测图学习纤维取向，同时考虑电波传播的物理学规律。具体而言，我们训练神经网络弱满足各向异性程函方程并预测实测激活时间。我们使用各向异性传导张量的局部基，其编码了纤维取向。该方法在合成示例和患者数据上均进行了测试。我们的方法在两种情况均显示出良好一致性，在硅基（in-silico）数据上 RMSE 为 2.2ms，并在患者数据上优于一种最先进（state of the art）方法。结果表明了利用物理信息神经网络从电解剖标测图学习纤维取向的第一步。
引用
@article{arxiv.2102.10863,
title = {Learning atrial fiber orientations and conductivity tensors from intracardiac maps using physics-informed neural networks},
author = {Thomas Grandits and Simone Pezzuto and Francisco Sahli Costabal and Paris Perdikaris and Thomas Pock and Gernot Plank and Rolf Krause},
journal= {arXiv preprint arXiv:2102.10863},
year = {2021}
}
备注
10 pages, 3 figures