Jul, 2023

利用深度计算模型进行逆推理的心脏心肌梗死数字双胞胎的实现

PDF
TL;DR该研究探讨了利用心电图推断心肌组织特性和开发面向心肌梗死的全面心脏数字模型的可行性，结果表明该模型能够有效捕捉 QRS 信号和相应梗死区域之间的复杂关系，未来在临床应用中具有巨大潜力。
myocardial infarctioncardiac digital twinsmyocardial tissue propertieselectrocardiograminfarct location
发现论文，激发创造
  • 心脏数字双生体的逆问题求解：综述

    心脏数字孪生是个体化的虚拟表示，用于理解复杂的心脏机制。本文综述了解决心电图反问题的方法、验证策略、临床应用和未来展望，涵盖了确定性和概率方法，包括传统和基于深度学习的技术。整合物理定律与深度学习模型有潜力，但需要克服动态电生理学的准确捕捉、获得准确的领域知识和量化预测不确定性等挑战。将模型整合到临床工作流中，确保对医疗专业人员的解释性和可用性至关重要，克服这些挑战将推动心脏数字孪生领域的进一步研究。

    Jun, 2024

  • 通过 ECG 数字孪生生成个性化心脏病检测

    基于数字孪生技术的个性化心脏病检测模型可以生成高质量的心电图信号，并改善个性化心脏病检测，在保证隐私安全的前提下有效管理患者数据。

    Apr, 2024

  • 基于 3D 形状的心肌梗死预测：使用点云分类网络

    本文中，我们提出了一种利用完整的三维心脏形状的点云提高心肌梗死事件检测的方法，并通过对 1068 名英国生物银行受试者进行评估，在流行性心肌梗死检测和新发性心肌梗死预测任务上实现了分别超过临床基准约 13％和 5％的进展。此外，我们分析了每个心室和心脏时相在基于三维形状的心肌梗死检测中的作用，并进行了形态和生理模式的视觉分析。

    Jul, 2023

  • 通过心脏核磁共振的知识转移解锁心电图的诊断潜力

    提出了自监督的对比学习方法，实现了从心电图数据中进行心脏筛查和疾病诊断。

    Aug, 2023

  • 数字孪生心脏分析中心肌速度图的混合深度学习合成

    研究提出了一个用于模拟合成心肌速度映像（3Dir MVM）数据的混合深度学习网络，从而可以通过克服解剖和生物化学现象建模的复杂性，生成更加真实的医学信号，此算法可以用于现实的医学研究中。

    Mar, 2022

  • 基于 ADMM 的深度心脏 MRI 重建

    心脏核磁共振成像技术是一种有价值的非侵入性工具，用于识别心血管疾病，并通过基于深度学习的加速重建方法，提高动态心脏成像的重建质量和准确性。

    Oct, 2023

  • 一个适用于心脏磁共振的通用深度学习系统

    基于自监督对比学习的深度学习模型通过学习心脏核磁共振扫描伴随的放射学报告的原始文本中的视觉概念，展示了对人类心血管疾病和健康的全面评估；我们的模型在美国的四个大型学术临床机构的数据上训练和评估，并在英国 BioBank 和其他两个公开可用的外部数据集上展示了卓越的性能，实现了包括左心室射血分数回归和 35 种不同病症（如心脏淀粉样变及肥厚型心肌病）的诊断等一系列任务，显示出对人类心血管疾病的复杂性的理解能力，并在仅需要一部分通常用于这种任务的训练数据的情况下，实现了令人印象深刻的临床级诊断准确率。

    Dec, 2023

  • 优化心肌梗死检测：一种新的多模态组合核策略在单类分类中的应用

    通过使用一种基于多视角心脏超声图像的一类分类算法，本研究介绍了一种新的早期心肌梗死检测方法，有效地将来自心脏超声图像数据中提取的特征转换为优化的低维度子空间，显著提高了心肌梗死检测的准确性。

    Feb, 2024

  • 基于 12 导联心电图的先天性心脏病解剖诊断的黎曼预测

    在这篇论文中，我们利用心脏病患者的 12 导联心电图（ECG）信号的空间协方差结构的黎曼几何来改善分类，通过协方差增强和切空间投影来提高特征提取质量，并通过消融实验证明相比传统机器学习模型和深度学习，我们的方法在 ECG 时间序列数据上取得显著的改进。

    Nov, 2023

  • 一个深度学习模型在使用 ACDC 挑战数据集中应用于心脏 MRI 分割的可解释性

    该研究使用 D-TCAV 方法研究了是否可以从深度网络中发现代表不同心脏状况的概念，并为心脏疾病诊断提供量化的概念重要性的指标。结果表明，D-TCAV 提供了一个比基础方法更具用户独立性和更短的预处理时间的创新应用方法，可应用于心脏 MRI 分析和诊断。

    Mar, 2021