基于深度神经网络的心脏兴奋波的转子定位与相位映射
医学物理
2022-03-21 v2 计算机视觉与模式识别
图像与视频处理
生物物理
摘要
心肌组织中电冲动现象的分析对心律失常及其他心脏病理生理学的诊断十分重要。心脏标测技术获取局部时间测量并将其结合以可视化电生理波现象在心脏表面的传播。然而,低空间分辨率、稀疏测量位置、噪声与其他伪影使得准确可视化时空活动颇具挑战。例如,电解剖导管标测严重受限于测量的稀疏性,而光学标测易受噪声与运动伪影影响。过去,已提出若干方法以从噪声或稀疏标测数据获得更可靠的图。此处,我们证明深度学习可用于计算心室颤动的 optical mapping 视频中的相位图并检测相位奇点,以及用于极其噪声、低分辨率且极度稀疏的、模拟导管标测数据的折返波混沌数据。该深度学习方法学会将相位图与相位奇点位置直接关联于电数据的短时空序列。我们测试了几种基于带编码与解码结构的卷积神经网络的神经网络架构,以直接或通过预测相位图进而经典计算相位奇点的方式间接预测相位图或转子核心位置。预测可跨不同数据执行,模型在一个物种上训练后成功应用于另一物种,或仅在模拟数据上训练后应用于实验数据。未来用途可能包括基础心血管研究中的光学标测分析,以及临床环境中心房颤动的标测。
引用
@article{arxiv.2109.10472,
title = {Rotor Localization and Phase Mapping of Cardiac Excitation Waves using Deep Neural Networks},
author = {Jan Lebert and Namita Ravi and Flavio Fenton and Jan Christoph},
journal= {arXiv preprint arXiv:2109.10472},
year = {2022}
}