基于深度计算模型进行逆推断以实现心肌梗死心脏数字孪生的方法探究
信号处理
2024-02-16 v3 计算机视觉与模式识别
图像与视频处理
摘要
心脏数字孪生（CDT）有潜力以非侵入方式提供心脏功能的个体化评估，使其成为心肌梗死（MI）个性化诊断与治疗规划的一种有前景的方法。准确推断心肌组织属性对于构建可靠的 MI 心脏数字孪生至关重要。本工作中，我们探究在 CDT 平台内从心电图（ECG）推断心肌组织属性的可行性。该平台整合心脏 MRI 和 ECG 等多模态数据，以提升推断组织属性的准确性与可靠性。我们基于计算机仿真进行敏感性分析，系统探究梗死位置、大小、透壁程度以及电活动改变对模拟 ECG 的 QRS 波群的影响，从而明确该方法的局限。随后我们提出一种新颖的深度计算模型，由双分支变分自编码器和推断模型组成，从模拟 QRS 推断梗死位置与分布。所提模型对左心室瘢痕和边缘区的推断分别取得 0.457 \pm 0.317 和 0.302 \pm 0.273 的平均 Dice 分数。敏感性分析增进了我们对梗死特征与电生理特征之间复杂关系的理解。硅基实验结果表明，该模型能有效捕捉用于逆推断的关系，在未来临床应用方面具有可观潜力。代码将在稿件被接收发表后公开。
引用
@article{arxiv.2307.04421,
title = {Towards Enabling Cardiac Digital Twins of Myocardial Infarction Using Deep Computational Models for Inverse Inference},
author = {Lei Li and Julia Camps and Zhinuo and Wang and Abhirup Banerjee and Marcel Beetz and Blanca Rodriguez and Vicente Grau},
journal= {arXiv preprint arXiv:2307.04421},
year = {2024}
}
备注
Cardiac digital twins; Inverse inference; Myocardial infarction