Since myocardial fibers drive the electric signal propagation throughout the myocardium, accurately modeling their arrangement is essential for simulating heart electrophysiology (EP). Rule-Based-Methods (RBMs) represent a commonly used strategy to include cardiac fibers in computational models. A particular class of such methods is known as Laplace-Dirichlet-Rule-Based-Methods (LDRBMs) since they rely on the solution of Laplace problems. In this work we provide a unified framework, based on LDRBMs, for generating full heart muscle fibers. First, we review existing ventricular LDRBMs providing a communal mathematical description and introducing also some modeling improvements with respect to the existing literature. We then carry out a systematic comparison of LDRBMs based on meaningful biomarkers produced by numerical EP simulations. Next we propose, for the first time, a LDRBM to be used for generating atrial fibers. The new method, tested both on idealized and realistic atrial models, can be applied to any arbitrary geometries. Finally, we present numerical results obtained in a realistic whole heart where fibers are included for all the four chambers using the discussed LDRBMs.


翻译:由于心心肌纤维在整个心肌内驱动电讯的传播,准确模拟其安排对于模拟心脏电生理(EP)至关重要。基于规则的仪表(RBM)代表一种常用的战略,将心脏纤维纳入计算模型中。一种特定的这类方法被称为Laplace-Drichlet-Ration-Base-Methods(LDRBMs),因为它们依赖于解决拉帕特问题。在这项工作中,我们根据LDDBMs提供一个统一的框架,用于生成全心肌纤维。首先,我们审查现有的提供社区数学描述的心血管LDRBMs(RDMs),并介绍现有文献方面的一些建模改进。然后,我们系统比较LDRBMs(Laplace-Drichlet-Ration-Bord-Met-Methoets(LDRDRBMs),因为它们依赖LAplace 问题的解决办法。我们首次提议,用LDRBM(LDBS) 来生成空间纤维。新的方法,既基于理想又符合现实的,又符合现实的模型,也可以应用于任意的几何建模。最后,我们展示了四个心室中所获得的数字。我们用LDRBM(L) 包括了整个心室。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
【干货书】真实机器学习,264页pdf,Real-World Machine Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
【深度学习视频分析/多模态学习资源大列表】
专知会员服务
91+阅读 · 2019年10月16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
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年3月18日
VIP会员
相关资讯
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员