用于无显式细胞导电张量的电生理学神经网络代理前馈模型
计算机视觉与模式识别
2026-05-14 v1 机器学习
摘要
准确的前馈建模对于非侵入性心脏电生理学至关重要，尤其是在心房颤动中，因为电活动高度失序。传统的基于物理的前馈模型需要明确指定细胞内导电张量，而这些张量在临床实践中不可直接测量，引入结构建模误差。本概念验证研究提出了一种深度学习方法，从左心房细胞内电势直接学习到远场ECG，而无需在推断时提供显式的细胞内导电输入。尽管仅在74例受试者上进行训练，模型实现了R2 = 0.949 ± 0.037，凸显了减少结构不确定性并改进非侵入性AF评估的潜力。
引用
@article{arxiv.2605.13366,
title = {Neural Surrogate Forward Modelling For Electrocardiology Without Explicit Intracellular Conductivity Tensor},
author = {Shaheim Ogbomo-Harmitt and Cesare Magnetti and Jakub Grzelak and Oleg Aslanidi},
journal= {arXiv preprint arXiv:2605.13366},
year = {2026}
}
备注
Accepted into the 9th International Conference on Computational and Mathematical Biomedical Engineering (CMBE2026)