[发明专利]基于图卷积神经网络和迭代阈值收缩算法的心脏跨膜电位重建方法

说明书

本发明公开了一种基于图卷积神经网络和迭代阈值收缩算法的心脏跨膜电位重建方法，通过嵌入图卷积神经网络的迭代阈值收缩算法对心脏跨膜电位进行迭代重建，利用图卷积神经网络提取心脏跨膜电位这种非欧氏数据中节点之间的关联信息，同时保留迭代阈值收缩算法严谨的数学计算，经过多次迭代得到心脏跨膜电位的解。本发明基于重建出的心脏跨膜电位的时空序列即可对心律失常中的室性早搏、心动过速、房颤以及心肌缺血和心肌梗死等常见心脏疾病进行辅助诊断，为后续的治疗和射频消融手术提供指导。

技术领域

本发明属于心脏跨膜电位重建技术领域，具体涉及一种基于图卷积神经网络和迭代阈值收缩算法的心脏跨膜电位重建方法。

背景技术

正常心律的紊乱，称为心律失常，已经成为了世界上发病率和致死率最高的疾病之一，由于心律失常往往会造成心肌机械运动的变化，因此心律失常也成为了室性早搏、心动过速、房颤、房早、心肌缺血、心肌梗死等心脏疾病以及心源性猝死的首要原因。根据世界卫生组织统计，每年全球有超过1000万人死于心律失常疾病，还有更多的人由于心律失常疾病变成残疾；虽然心律失常疾病在我国的发病率相对较低，但是由于巨大的人口基数，每年依然有超过80万人死于这种疾病。因此，准确地识别有风险的患者，并提供准确的诊断和指导治疗对于减小这类疾病致死率和提高治愈率有着非常重要的临床意义。

由于体表可测得的心电图信号是心脏表面电位的映射，近年来也有研究者提出了心脏电生理成像(Electrocardiographic Imaging，ECGI)技术，这种方法主要通过体表测得的多导联心电信号(一般大于64个电极)和心脏与躯干的几何模型逆向重建得到心脏表面的电生理活动信息，包括心脏跨膜电位、心脏心内膜和心外膜的细胞外电位、心脏表面的激活时序等。相比于目前临床上最为精确的侵入式方法，ECGI技术可以用于无创地记录心脏的电生理活动，筛选和识别心律失常和心源性猝死高危患者，同时提供心脏中的实际空间异质性信息，并对心律失常疾病进行诊断和定位。

因此，若能够提高心脏表面电位的重建精度，同时减少算法的复杂度和计算时间，对于临床心律失常以及一些心脏缺血性疾病的诊断和治疗具有非常重要的意义。

发明内容

鉴于上述，本发明提供了一种基于图卷积神经网络和迭代阈值收缩算法的心脏跨膜电位重建方法，在保留传统迭代阈值收缩算法严谨数学推理的基础上，充分利用了图卷积神经网络对于基于图的心脏细胞外电位数据的节点之间相互联系的特征，从而通过体表测得的多导联心电数据对心脏跨膜电位时空分布进行重建，从而对一些心脏疾病进行诊断。

一种基于图卷积神经网络和迭代阈值收缩算法的心脏跨膜电位重建方法，包括如下步骤：

(1)对病人躯干部分进行增强CT平扫，采集得到病人胸腔轴向的增强CT切片图像；

(2)根据所述增强CT切片图像建立心脏表面和躯干表面的有限元模型，求出体表电位与心脏跨膜电位之间的正向关系即Φ＝HU，其中Φ为体表电位，U为心脏跨膜电位，H表示Φ与U之间的正向转换矩阵；

(3)采集病人的多导联体表心电信号即Φ，并对心电信号进行滤波处理；

(4)根据已获得的Φ以及H，对心脏跨膜电位信号进行初始化；

(5)根据心脏跨膜电位信号初值，通过嵌入图卷积神经网络的迭代阈值收缩算法(Iterative Shrinkage Thresholding Algorithm，ISTA)对心脏跨膜电位进行重建。

进一步地，所述步骤(1)中CT平扫的范围需包括整个胸腔，同时记录下心脏和胸腔的空间几何位置以及胸腔表面的多导联心电图电极位置。