基于深度學習的心肌缺血特征表達與分類.pdf

1、心血管疾病是人類健康的頭號殺手，其中有相當一部分疾病與心肌缺血相關，因此心肌缺血的分類對病情的診斷、治療和預后有重要意義，與人類健康密切相關。醫(yī)學成像技術快速發(fā)展，多種成像技術比如心電圖和核磁共振已經(jīng)在臨床上取得了廣泛的應用，并從電生理功能和力學特性等不同角度反映心臟的狀況，對醫(yī)生診斷病情有良好輔助作用。
　　檢測心臟生理活動的手段越來越豐富，醫(yī)療數(shù)據(jù)也越來越多，如何充分、有效地利用這些信息顯得格外重要。解決這個問題的傳統(tǒng)思路是依

2、靠醫(yī)生的臨床經(jīng)驗綜合判斷，或者對采集到的醫(yī)學數(shù)據(jù)進行自動分析并提取關鍵信息。這些方法發(fā)揮了一定的作用，但是仍有不少局限，比如繁復的勞動會增加醫(yī)生的工作量，對醫(yī)學數(shù)據(jù)的自動分析往往關注于提取普遍意義上的特征而忽略了病人個性化的獨特信息等。
　　針對上述背景和存在的問題，本文提出了基于深度學習的心肌缺血特征表達和分類，從新的角度思考在多種模態(tài)的心臟醫(yī)學影像條件下，從多側(cè)面提取表達心臟個性化的特征，并用于診斷心肌缺血的問題。主要的工作簡

3、要概括為:
　　(1)建立了64導聯(lián)體表電位記錄和CT數(shù)據(jù)聯(lián)合采集框架，并構建個性化的心臟-軀干模型。結合此幾何模型，建立心電場的邊界元模型，將高階全變分引入心電逆問題，并基于正則化方法進重建心外膜電位。上述工作構成了完整的心電數(shù)據(jù)反演分析平臺，具有重要的實際應用價值。
　　(2)融合了心電圖、計算機斷層掃描成像手段，同時結合核磁共振成像，分別提取與心肌缺血相關的電生理活動特征信息和力學特性信息，從多個角度刻畫了心肌缺血的特