A depth-averaged heart model for the inverse problem of cardiac electrophysiology
Notice bibliographique
Résumé
Abstract The inverse problem of cardiac electrophysiology is notoriously ill-posed, but is nonetheless extremely useful. In particular, it is difficult to reconstruct the transmembrane voltage in the volume of the heart, since an infinite dimensional space of transmembrane voltages can produce the same observation on the body surface. A widely used alternative is to consider only the outer surface of the heart, the epicardium, and solve a Cauchy problem for the Laplace equation in the torso domain. However, this approach only allows reconstruction of the extracellular potential on the epicardium, thus missing the information contained in the volume of the heart and in the transmembrane voltage. We propose a new methodology for reconstructing activation maps from torso surface data, which incorporates information from the myocardial volume, while solving a surface problem on the heart. We formulate a static forward model, derived from the bidomain model, by averaging equations in the heart. The averaged equations are coupled with the usual Laplace equations in the surrounding domains. For solving the inverse problem, this «depth-averaged» forward model is used as a constraint in an optimal control problem that allows to recover depth-averaged transmembrane voltage and extracellular potential in the heart, corresponding to observations on the body surface. Activation maps are computed by post-processing the recovered signals in the heart. This method retains the ability to include the interactions between the heart, torso and blood cavities, while maintaining the simplicity of the usual inverse procedure. The inverse problem is solved with a simple linear system, using the Lagrangian formalism, and thus in a single iteration. We emphasize on the post-processing techniques for recovering activation maps. We observe that using a threshold on the transmembrane voltage allows to recover smoother and more accurate activation maps than with a maximal deflection method on the extracellular potential.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».