English(EN) Neural Surrogate Forward Modelling For Electrocardiology Without Explicit Intracellular Conductivity Tensor

深度学习模型无需电导率张量即可预测心电图

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-13 11:26

研究人员开发了一种深度学习模型，该模型无需显式细胞内电导率张量即可从细胞内电势预测心电图（ECG）信号。这种新颖的方法在包含74名受试者的有限数据集上进行训练，取得了0.949的高R2分数，证明了其通过减少结构不确定性来改善心房颤动等病症非侵入性评估的潜力。 AI

影响这种新颖的深度学习方法可以通过简化建模过程来提高心脏病症的诊断准确性。

排序理由学术论文发表在arXiv上，详细介绍了一种用于心电学的新型深度学习方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Oleg Aslanidi · 2026-05-13 11:26

Neural Surrogate Forward Modelling For Electrocardiology Without Explicit Intracellular Conductivity Tensor

Accurate forward modelling is essential for non-invasive cardiac electrophysiology, particularly in atrial fibrillation, where electrical activation is highly disorganised. Conventional physics-based forward models require explicit specification of intracellular conductivity tens…