机器学习方法用于从心房颤动模型的电图中定位再入驱动点
摘要：通过使用简单的细胞自动机模型，我们展示了一种快速准确地定位房颤驱动点的方法，该方法利用间接的电计图测量。所提出的方法采用简单的机器学习算法，将特征电计图梯度与电计图记录位移与房颤驱动点之间的相关性进行关联。这种方法对于局部电活动的波动不太敏感。结果表明，该方法在含有单个房颤驱动点的组织中成功定位了95.4％的驱动点，并且在含有两个房颤驱动点的组织中，分别为第一个驱动点定位了94.8％（第二个驱动点定位了92.5％）。此外，我们还展示了如何将该技术应用于含有任意数量房颤驱动点的组织。将该技术扩展到临床实践中可以缓解当前消融技术受到的有限映射分辨率限制的问题。
作者：Max Falkenberg McGillivray, William Cheng, Nicholas S. Peters, Kim Christensen
论文ID：1710.08263
分类：Tissues and Organs
分类简称：q-bio.TO
提交时间：2020-01-27