提高非侵入性自动早期左心室起源定位方法的定位精度
Shijie Zhou1,2, Raymond Wang3, Avery Seagren1
1The Department of Chemical, Paper and Biomedical Engineering, Miami University, Oxford, OH, United States.
Frontiers in physiology
|July 12, 2023
概括
K-最近邻近算法 (KNN) 显著提高了用于定位心室失常起源的非侵入性方法的准确性. 这种方法减少了投影误差,为临床使用提供了一个有前途的工具.
科学领域:
- 心脏病学 心脏病学
- 生物医学工程 生物医学工程
- 医疗成像医学成像
背景情况:
- 开发了一种使用12导电图的非侵入性方法,以定位左心室激活来源.
- 之前的方法使用最小角度 (SA) 算法将网站投射到通用的LV表面上.
研究的目的:
- 通过使用K-最近邻居 (KNN) 算法来提高本地化准确性.
- 为了减少非侵入性心律失常起源局部化的投影错误.
主要方法:
- 使用了两个数据集:1012个LV节奏点和25个临床VT退出点.
- 从QRS积分中预测坐标,并使用KNN与SA算法对它们进行投影.
主要成果:
- 在两个数据集中,KNN的平均局部化误差明显低于SA (p < 0.05).
- 引导式分析证实了KNN的优异预测准确性 (p < 0.05).
结论:
- KNN显著降低了投影误差,提高了非侵入性定位精度.
- 这种增强的方法显示出在临床环境中识别腹腔失常的起源的潜力.
