使用Priori-to-Attention网络 (P2AN) 进行可穿戴健康监测的AI驱动的非侵入性心电成像

科学领域:

• 生物医学工程 生物医学工程
• 医疗保健中的人工智能
• 心血管监测 心血管监测

背景情况:

• 智能可穿戴设备通过生物信号收集实现了持续的,非侵入性的健康监测.
• 电心图像 (ECGI) 从身体表面潜力重建心脏电活动,但面临不稳定性问题.
• 电电图逆问题固有的不稳定性限制了ECGI的实际应用.

研究的目的:

• 引入一个新的优先关注网络 (P2AN),以提高ECGI解决方案的稳定性和准确性.
• 开发一种使用人工智能驱动可穿戴设备进行非侵入性心血管监测的方法.
• 为了改善心脏病的诊断,如心肌缺血和心室缩.

主要方法:

• 开发了一个优先注意网络 (P2AN),通过交叉注意机制整合生理知识.
• 利用小规模的卷积来计算注意力,利用信号属性和电传播.
• 实施了规范化约束,以提高溶液的准确性,而不需要临床跨膜电位 (TMP) 测量.

主要成果:

• P2AN显著改善了跨膜潜力 (TMP) 的重建和病变局部化,用于诊断心肌缺血和心室缩.
• 该方法在杂的环境中表现出高强度,适用于可穿戴心电图服装.
• 在ECGI中实现了增强的时空精度和噪声弹性.

结论:

• P2AN为ECG反向问题提供了稳定而准确的解决方案,克服了以前的局限性.
• 开发的AI网络非常适合使用可穿戴设备实时进行非侵入性心血管监测.
• P2AN代表了人工智能医疗保健的重大进步,增强了对心脏病的诊断能力.