論文の概要: Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach

• arxiv url: http://arxiv.org/abs/2308.08410v2
• Date: Tue, 5 Dec 2023 15:52:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-06 19:44:31.933373
• Title: Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach
• Title（参考訳）: 表面心電図からの心電気生理学的モデルのデジタルツインニング : 測地学的バックプロパゲーションアプローチ
• Authors: Thomas Grandits, Jan Verh\"ulsdonk, Gundolf Haase, Alexander Effland, Simone Pezzuto
• Abstract要約: 逆等角問題の解法としてGeodesic-BPを提案する。 その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。 パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
• 参考スコア（独自算出の注目度）: 39.36827689390718
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The eikonal equation has become an indispensable tool for modeling cardiac electrical activation accurately and efficiently. In principle, by matching clinically recorded and eikonal-based electrocardiograms (ECGs), it is possible to build patient-specific models of cardiac electrophysiology in a purely non-invasive manner. Nonetheless, the fitting procedure remains a challenging task. The present study introduces a novel method, Geodesic-BP, to solve the inverse eikonal problem. Geodesic-BP is well-suited for GPU-accelerated machine learning frameworks, allowing us to optimize the parameters of the eikonal equation to reproduce a given ECG. We show that Geodesic-BP can reconstruct a simulated cardiac activation with high accuracy in a synthetic test case, even in the presence of modeling inaccuracies. Furthermore, we apply our algorithm to a publicly available dataset of a biventricular rabbit model, with promising results. Given the future shift towards personalized medicine, Geodesic-BP has the potential to help in future functionalizations of cardiac models meeting clinical time constraints while maintaining the physiological accuracy of state-of-the-art cardiac models.
• Abstract（参考訳）: 固有方程式は、心臓の電気的活性化を正確かつ効率的にモデル化するのに欠かせないツールとなっている。 臨床的に記録された心電図と心電図(ECG)を照合することにより、患者固有の心電気生理学的モデルを構築することができる。 それでも、フィッティング手順は難しい課題である。 本研究では,逆固有問題を解くための新しい手法geodesic-bpを提案する。 Geodesic-BPはGPU加速機械学習フレームワークに適しており、固有方程式のパラメータを最適化して所定のECGを再生することができる。 その結果,Geodesic-BPは, モデル不正確な場合であっても, 合成テストケースにおいて, シミュレーション心活性化を高精度に再現できることが示唆された。 さらに,本アルゴリズムを二室性ウサギモデルの公開データセットに適用し,有望な結果を得た。 パーソナライズされた医療への将来のシフトを考えると、Geodesic-BPは、最先端の心臓モデルの生理的精度を維持しつつ、臨床時間制約を満たす心臓モデルの将来の機能化に役立つ可能性がある。

関連論文リスト

• Probabilistic learning of the Purkinje network from the electrocardiogram [0.0]
  非侵襲的臨床データからPurkinjeネットワークを同定するための確率論的アプローチを提案する。 心電図を用いて解剖学的に正確な心室モデルを構築した。 生理的心電図を高速モデルでシミュレートする。
  論文  参考訳（メタデータ） (2023-12-15T15:34:29Z)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• Simulation-based Inference for Cardiovascular Models [57.92535897767929]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)
• Towards Enabling Cardiac Digital Twins of Myocardial Infarction Using Deep Computational Models for Inverse Inference [6.447210290674733]
  シミュレーションされたQRSから脳梗塞の位置と分布を推定するために,二分岐変分オートエンコーダと推論モデルからなる新しい深部計算モデルを提案する。 感度分析により、脳梗塞の特徴と電気生理学的特徴との複雑な関係の理解が促進される。
  論文  参考訳（メタデータ） (2023-07-10T08:54:12Z)
• ElectroCardioGuard: Preventing Patient Misidentification in Electrocardiogram Databases through Neural Networks [0.0]
  臨床的には, 誤診患者に対する心電図記録の割り当ては不注意に発生することがある。 本稿では,2つの心電図が同一患者に由来するかどうかを判定する,小型で効率的な神経ネットワークモデルを提案する。 PTB-XL 上でのギャラリープローブによる患者識別において、760 倍のパラメータを用いて最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-06-09T18:53:25Z)
• PulseNet: Deep Learning ECG-signal classification using random augmentation policy and continous wavelet transform for canines [46.09869227806991]
  犬心電図(ECG)の評価には熟練した獣医が必要である。 心電図の解釈と診断支援のための獣医師の現在の利用状況は限られている。 犬の心電図配列を正常または異常と分類するためのディープ畳み込みニューラルネットワーク(CNN)アプローチを実装した。
  論文  参考訳（メタデータ） (2023-05-17T09:06:39Z)
• Deep Computational Model for the Inference of Ventricular Activation Properties [10.886815576856574]
  患者固有の心臓計算モデルは、精密医療の効率的な実現と、デジタル双生児を用いた in-silico 臨床試験に不可欠である。 深層学習に基づく患者固有の計算モデルを提案し,心室活性化特性の推測のために解剖学的および電気生理学的情報を融合することができる。 我々はEikonalモデルを用いて、特定の患者情報も考慮されている推論モデルをトレーニングするために、地上の真理特性を持つ模擬心電図を生成する。
  論文  参考訳（メタデータ） (2022-08-08T10:23:43Z)
• Smoothness and continuity of cost functionals for ECG mismatch computation [0.0]
  逆電気生理学的モデリング、すなわち、ECGのような電気的測定からモデルを作成する場合、シミュレーションされたECGの滑らかさについて、より詳しく調べる必要がある。 我々は、単純化された左心室モデルのテストベンチを作成し、スムーズなコスト汎関数による効率的な逆モデリングのための最も重要な要因を実証する。
  論文  参考訳（メタデータ） (2022-01-12T14:16:47Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
  ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。 セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。 このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
  論文  参考訳（メタデータ） (2020-05-11T16:29:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。