AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-25
基於深度學習、利用未經標註的單極電位圖進行電極動作電位標測，以評估心房顫動的基質特徵
原標題: Deep-learning-based electrode action potential mapping from annotation-free unipolar electrograms for substrate characterization in atrial fibrillation
針對非陣發性心房顫動的導管消融術，受限於難以辨識異常傳導區域。研究團隊開發了 DEAP Mapping，這是一種深度學習方法，可從未經標註的單極電位圖重建細胞膜電位。在離體豬心臟中，其與光學標測的吻合度遠高於傳統激動圖（SSIM 0.87 對 0.36）；在一項涵蓋 12 名患者的回溯性研究中，其傳導模式與現有方法部分不同。