来自心腔的额外心跳，即所谓的室性心动过速，可能与严重疾病有关。卡尔斯鲁厄理工学院(KIT)的研究人员使用机器学习进行非侵入性定位。这可能会促进和改善未来的诊断和治疗。研究人员使用了人工神经网络，这些神经网络经过了来自现实模拟模型的合成数据的训练。他们在《医学人工智能》杂志上发表了他们的研究结果。
在世界范围内，心血管疾病每年造成1700多万人死亡。其中，约25%被认为是心源性猝死。它们可能是由室性心动过速引起的，即心室的快速心律失常，通常是由室性心动过速引起的。这些来自心室的额外心跳感觉就像跳过的心跳。
正常心跳是由左心房的窦房结控制的。相比之下，心动过速是由其他地方的电信号源引起的。达到一定数量，室性早搏是正常的。然而，室性心动过速可能损害心脏功能，甚至在现有的心功能不全的情况下危及生命。
室性心动过速可通过导管消融治疗:通过特殊导管用高频电流消融室性心动过速的起源。为此，原点必须精确地定位。将导管插入脑室进行定位的方法是微创的，但耗时且有一定的风险。
基于心电图(ECG)的定位需要在层析成像的帮助下事先获取患者特定的几何形状。KIT生物医学工程研究所(IBT)跨学科计算心脏建模小组负责人Axel Loewe博士说:“相比之下，机器学习方法能够以非侵入性方式识别心脏外搏的起源，而无需断层成像。”
来自IBT和卡尔斯鲁厄EPIQure公司的研究人员报告了他们如何使用深度学习从ECG信号中定位室性早搏，而无需患者特定的几何形状。为此，研究人员使用了卷积神经网络(cnn)。这是一种特殊类型的人工神经网络，它由具有不同任务的各个层组成。cnn适合于高数据量，并且可以相对快速地训练。
研究人员专门用从现实模拟模型中获得的合成数据训练cnn。这是生成180万张早搏心电图数据集的唯一方法。最后，他们用临床数据评估了他们的方法。在所有临床病例中，82%的早搏起源被正确地确定。Loewe说:“在使用临床数据进一步优化之后，我们的方法将有可能加速医疗干预，降低风险并改善结果。”
更多信息:Nicolas Pilia等人，使用深度学习无创定位心室兴奋起源，无患者特定几何形状，人工智能医学(2023)。引文:人工神经网络可以定位额外的心跳，研究显示(2023,july 28)检索自https://medicalxpress.com/news/2023-07-artificial-neural-networks-localize-extra.html。本文受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
