学习几何依赖的导联场算子用于正向心电图建模

现代正向心电图 (ECG) 计算模型依赖于躯干域的精确表示。导联场方法能够在保持完整几何保真度的同时实现快速 ECG 模拟。然而，在临床实践中实现躯干表示的高解剖精度具有挑战性，因为成像协议通常聚焦于心脏，并且通常不包含整个躯干。此外，导联场方法的计算成本随电极数量线性增长，限制了其在高密度记录设置中的适用性。迄今为止，尚无现有方法能同时实现高解剖保真度、低数据需求和计算效率。在这项工作中，我们提出了一个基于形状的导联场算子代理模型，作为正向 ECG 模拟中全阶模型的即插即用替代品。所提出的框架由两个组件组成：一个将解剖形状映射到低维潜在空间的几何编码模块，以及一个由几何条件化的神经代理，它根据空间坐标、电极位置和潜在代码预测导联场梯度。所提出的方法在近似躯干内（平均角度误差 5°）和心脏内的导联场方面实现了高精度，从而产生了高度准确的 ECG 模拟（相对均方误差 <2.5%）。该代理模型始终优于广泛使用的伪导联场近似，同时保持了可忽略的推理成本。由于其紧凑的潜在表示，该方法不需要完全详细的躯干分割，因此可以在数据有限的情况下部署，同时保持高保真度的 ECG 模拟。