Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach

要約

エイコナール方程式は、心臓の電気的活性化を正確かつ効率的にモデル化するために不可欠なツールとなっています。
原理的には、臨床的に記録された心電図とエイコナールベースの心電図 (ECG) を照合することにより、純粋に非侵襲的な方法で患者固有の心臓電気生理学モデルを構築することが可能です。
それにもかかわらず、フィッティング手順は依然として困難な作業です。
本研究では、逆エイコーナル問題を解決するための新しい方法である Geodesic-BP を導入します。
Geodesic-BP は、GPU で高速化された機械学習フレームワークに適しており、特定の ECG を再現するためにアイコーナル方程式のパラメーターを最適化できます。
我々は、Geodesic-BP が、モデリングの不正確さがある場合でも、合成テスト ケースでシミュレートされた心臓の活動を高精度で再構築できることを示します。
さらに、公開されているウサギ モデルのデータセットにアルゴリズムを適用し、非常に良好な結果が得られました。
将来の個別化医療への移行を考慮すると、Geodesic-BP は、最先端の心臓モデルの生理学的精度を維持しながら、臨床時間の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ります。

要約(オリジナル)

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 rabbit model, with very positive 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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google