The refractory period of cardiac tissue can be quantitatively described using strength-interval (SI) curves. The information captured in SI curves is pertinent to the design of anti-arrhythmic devices including pacemakers and implantable cardioverter defibrillators. As computational cardiac modelling becomes more prevalent, it is feasible to consider the generation of computationally derived SI curves as a supplement or precursor to curves that are experimentally derived. It is beneficial, therefore, to examine the profiles of the SI curves produced by different cardiac tissue models to determine whether some models capture the refractory period more accurately than others. In this study, we compare the unipolar SI curves of two tissue models: the current state-of-the-art bidomain model and the recently developed extracellular-membrane-intracellular (EMI) model. The EMI model's resolution of individual cell structure makes it a more detailed model than the bidomain model, which forgoes the structure of individual cardiac cells in favour of treating them homogeneously as a continuum. We find that the resulting SI curves elucidate differences between the models, including that the behaviour of the EMI model is noticeably closer to the refractory behaviour of experimental data compared to that of the bidomain model. These results hold implications for future computational pacemaker simulations and shed light on the predicted refractory properties of cardiac tissue from each model.


翻译:心脏组织的不应期可以用强度-间隔(SI)曲线定量描述。SI曲线中获取的信息与抗心律失常装置(包括起搏器和可植入的心律转复除颤器)的设计有关。随着计算心脏建模的普及,考虑生成计算中获得的SI曲线做为实验获得的曲线的补充或先驱变得可行。因此,比较不同心脏组织模型产生的SI曲线的特性以确定哪些模型比其他模型更准确地捕获心脏不应期是有好处的。在本研究中,我们比较了双域模型和最近开发的细胞外-膜内-细胞内(EMI)模型的单极SI曲线。EMI模型通过分辨每个单独的心脏细胞结构,使其比双域模型更详细。结果显示出,两个模型产生的SI曲线之间存在明显差异,包括EMI模型的行为明显接近实验数据的不应期行为,而不同于双域模型。这些结果对未来的计算起搏器模拟有影响,并揭示了来自每个模型的预测心脏组织的不应期特性。

0
下载
关闭预览

相关内容

专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
42+阅读 · 2020年12月18日
专知会员服务
50+阅读 · 2020年12月14日
专知会员服务
123+阅读 · 2020年9月8日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【泡泡一分钟】用于评估视觉惯性里程计的TUM VI数据集
泡泡机器人SLAM
11+阅读 · 2019年1月4日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
VIP会员
相关VIP内容
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
42+阅读 · 2020年12月18日
专知会员服务
50+阅读 · 2020年12月14日
专知会员服务
123+阅读 · 2020年9月8日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【泡泡一分钟】用于评估视觉惯性里程计的TUM VI数据集
泡泡机器人SLAM
11+阅读 · 2019年1月4日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Top
微信扫码咨询专知VIP会员