非确定性心电图成像的粒子滤波

心电图成像（ECGI）旨在从体表电位的时间变化中非侵入性地重建心脏激活图谱。虽然大多数现有方法依赖逆问题和优化技术，可能产生满意的重建结果，但它们通常只提供单一确定性解，忽略了问题固有的不确定性——这种不确定性源于其高度不适定性、对生物物理特征的了解不足以及测量中不可避免的噪声。贝叶斯框架天然地纳入不确定性，同时还能考虑时间步之间的时序相关性，可用于解决这一局限。在本工作中，我们提出了一种激活序列的低维表示，使得粒子滤波——一种贝叶斯滤波方法——得以应用。与卡尔曼滤波等方法不同，粒子滤波不依赖于对后验分布形状的预设假设。这使得不仅可以生成激活图谱，还可以生成概率图谱，指示心脏上每个点随时间的激活可能性，以及伪概率图谱，反映某点属于最早激活位点的可能性。此外，我们引入了一种方法来估计心脏表面存在传导阻滞线的概率。与经典重建技术相结合，这有助于区分激活图谱中的虚假传导阻滞线与真实传导阻滞线。我们通过基于模拟数据的数值研究支持了该方法，证明了该方法的潜力。