AI与世界难题 · 医学与药物研发 · Nature (computational biology) · 2026-10-25
基于深度学习、利用无需标注的单极电图进行电极动作电位标测，用于心房颤动基质特征分析
原标题: Deep-learning-based electrode action potential mapping from annotation-free unipolar electrograms for substrate characterization in atrial fibrillation
非阵发性心房颤动的导管消融受限于难以识别异常传导区域。研究团队开发了 DEAP Mapping，这是一种深度学习方法，可从无需标注的单极电图中重建膜电位。在离体猪心脏中，它与光学标测的吻合程度远高于传统激动图（SSIM 0.87 对 0.36）；在一项纳入 12 名患者的回顾性研究中，其传导模式与现有方法部分不同。