利用流形上的多保真度贝叶斯优化从12导联心电图学习心脏激活图
信号处理
2022-03-15 v1 机器学习
最优化与控制
组织与器官
机器学习
摘要
我们提出一种非侵入式识别心脏异位激活的方法。心脏中的异位活动可引发致命性心律失常。因此，异位灶或最早激活位点(EASs)的定位是心脏病专家决定最优治疗的关键信息。本工作中，我们将识别问题表述为一个全局优化问题，通过最小化当在给定EAS起搏时由心脏模型预测的心电图与异位活动期间观测到的心电图之间的失配来实现。我们的心脏模型归结为求解各向异性程函方程以获得心脏激活，并在躯干中使用引线场方法计算心电图的前向双域模型。我们在心脏表面构建损失函数的高斯过程代理模型以执行贝叶斯优化。在此过程中，我们依据下置信界准则迭代评估损失函数，该准则将表面探索与最小区域利用相结合。我们还将此框架扩展以纳入模型的多个保真度层级。我们表明，对于单保真度情形，我们的过程仅在次迭代（20次独立运行）后收敛到最小值，而对于多保真度情形为次迭代。我们设想该工具可在临床环境中实时应用以识别潜在危险的EASs。
引用
@article{arxiv.2203.06222,
title = {Learning cardiac activation maps from 12-lead ECG with multi-fidelity Bayesian optimization on manifolds},
author = {Simone Pezzuto and Paris Perdikaris and Francisco Sahli Costabal},
journal= {arXiv preprint arXiv:2203.06222},
year = {2022}
}
备注
6 pages, 4 figures, Mathmod 2022