心脏细胞跨膜电位、单相动作电位与心电图之对比研究

作者应用悬浮微电极测定心肌细胞跨膜电位(TAP),以接触电极记永单相动作电位(MAP)和用常规Ⅱ导联描记心电图。实验用家兔53支,随之分为TAP—ECG组、MAP—ECG组和TAP—MAP组。在同一动物同步记录两种指标观察正常和心律失常时三种指标的改变,结果表明TAP与MAP具同样的形态间期,与心电图对应关系相一致。实验性早搏—室速—室颤时;TAP与MAP的变化是一致的。

卷积神经网络在心电逆问题中的应用

基于横跨膜电位分布的心电逆问题研究,即从身体表面电位无创重建心脏跨膜电位,可视为一种多输入多输出的回归问题(亦即多个体表电位分布输入重构多个心脏跨膜电位分布输出),而基于数据驱动的机器学习模型是解决回归问题的一种有效手段。通过使用深度卷动神经网络(CNN)构建深度学习模型,使用Caffe框架训练神经网络;此外,基于真实的心脏模型,使用ECGSim软件仿真了肯特束综合症心室激活情况的数据,用于训练和测试回归模型。实验结果表明,与极限学习机(ELM)和核化的极限学习机相比,CNN方法在心脏跨膜电位重构方面有更高的精度和泛化性能。