本文探讨了心肌梗死（MI）的心脏数字孪生（CDT）技术，这是一种能够提供个性化心脏功能评估的非侵入性方法。心脏数字孪生技术结合了心脏图像、心电图（ECG）和其他特定于个体的信息，使得临床医生能够实时可视化和分析心脏的结构、功能和电活动，为心肌梗死的潜在机制提供深入见解。心肌梗死(MI)是世界范围内导致死亡和残疾的主要原因。心肌活性评估在心肌梗死患者的诊断和治疗管理中至关重要，特别是心肌瘢痕的位置和分布为患者的诊断和治疗提供了重要信息。晚期钆增强(LGE)磁共振成像(MRI)已广泛应用于心肌瘢痕的表征。然而，将晚期钆增强纳入磁共振成像检查会延长扫描时间并有潜在的副作用。一些最新研究试图用非增强磁共振成像来描绘瘢痕，初步结果很有希望。另外，心电图(ECG)可用于揭示心肌梗死后的电生理异常。例如，ST段抬高和T波倒置是与心肌梗死不同阶段相关的心脏重构的常用指标。相比之下，QRS范式在文献中受到的关注较少，尽管它们也提供了心肌梗死后心肌损伤程度和位置的宝贵信息。目前尚不清楚QRS异常如何反映心肌梗死的特征，如位置、大小、透壁程度和心电活动改变。因此，研究它们之间的关系，从而更好地了解QRS异常对心肌梗死的诊断和预后价值是非常必要的。
心脏数字孪生（CDT）技术可以结合心脏图像、心电图和其他特定于受试者的信息创建心脏的虚拟模型。它能够使临床医生实时可视化和分析心脏的结构、功能和电活动，为心肌梗死的潜在机制提供有价值的见解。心脏数字孪生（CDT）工作流通常涉及两个阶段，即解剖和功能性孪生化，这带来了各种挑战。解剖孪生阶段涉及心脏图像的分割、心脏三维几何形状的重建以及相关解剖结构的识别和提取。由于个体间心脏解剖结构的可变性，以及成像伪影和噪声，情况就变得很复杂。在功能性孪生化阶段，主要的挑战是解决心电图的逆向问题，即从测量的心电图中估计心脏活动，这本身就是病态的，这意味着多个解决方案可能会导致相同的观察数据。心电图记录的局限性，如记录稀疏，有噪声，并且存在很大的不确定性，这使得情况变得更加复杂。
在这项工作中，本文作者开发了一个深度计算模型，用于具有不同性质的心肌梗死后的逆向推理，包括不同的梗死位置、大小和透壁程度。他们首先进行敏感性分析，研究心肌梗死后QRS异常与梗死特征之间的关系。该分析提供了QRS信号变化如何与特定梗死特性相关的见解，为后续的推断过程提供了信息。然后，他们提出了一种端到端的逆推理框架，该框架结合利用了多模态变分自动编码器（VAE）和推理模型。该框架可以有效地结合电影MRI的解剖特性和模拟QRS的电生理信息。这项研究提供了一个综合而个性化的视角，结合了多模态数据的特征来预测心肌梗死后的组织特性，从而构建心脏数字孪生（CDT）平台。
据本文作者所知，这是第一个基于深度学习的计算模型，它解决了具有不同特征的心肌梗死的逆向推理问题，同时结合了全面的敏感性分析。这项工作的主要贡献包括：●开发了一种新的深度计算模型，用于从模拟QRS和从非增强MRI重建的点云中逆向推断梗死区域。●进行了全面的敏感性分析，以调查心肌梗死后QRS异常与梗死特征之间的关系。●使用统一的坐标系统来一致地表示心室和梗死特征，从而减轻受试者间解剖变异的影响。●证明了从多模态数据推断心肌组织特性的可行性，从而为个性化医疗创建一个可靠的心脏数字孪生平台。
本文还讨论了未来的研究方向，包括个性化激活属性的进一步研究、包括躯干几何形状在内的更全面模型、以及如何将分析应用于整个ECG信号等。尽管存在局限性，但这项工作为利用深度学习解决心脏电生理学的逆向问题提供了一个有前景的概念验证。总之,本文提出的新颖的深度计算模型为个性化诊断和治疗心肌梗死提供了新的思路。通过多模态数据融合,模型能够有效捕捉梗死特性与电生理变化之间的复杂关系,为建立可靠的心脏数字孪生奠定了基础。未来该技术有望被应用于临床,为医生提供更精准的诊断和个性化治疗方案。
发布时间：2024-08-20 
浏览量：
