编辑推荐：
心律失常的风险分层和预后评估依赖患者个体情况，现有诊断方法存在不足。研究人员开展基于心脏电生理模拟和深度学习方法的无创心电成像（ECGI）研究。结果显示，模拟与临床数据相关性良好，长短期记忆网络（LSTM）优势显著，为心脏病诊断提供新途径。
在心脏疾病的诊疗领域，心律失常一直是个棘手的难题。心律失常，简单来说，就是心脏跳动的节奏出现了异常，它可不是个小问题，严重时可能引发猝死、心力衰竭等严重后果。而且，心律失常的风险分层和预后评估十分复杂，医生得根据每个患者的具体情况来制定治疗方案。
目前，心律失常的诊断方法主要分为有创和无创两种。有创诊断方法虽然能精准判断心律失常的类型并定位病灶，但它就像一场冒险，对患者的健康存在一定风险。而无创诊断方法，像心脏成像和心电图（ECG），也有自己的短板。心脏成像在诊断缺血性疾病方面还行，可面对其他类型的心脏疾病就力不从心了；心电图能实时反映心脏功能状态，对心血管疾病的预测和诊断有一定帮助，可它使用的导联信号较少，只能提供心脏局部的电活动信息，这就需要医生有很高的专业水平才能准确判断。
在这样的困境下，心脏电生理成像（ECGI）技术崭露头角。它就像给心脏做了一个 “透视”，能通过体表电位标测（BSPM）重建心脏电位，让心脏电活动的传播过程可视化，而且还不用让患者承受有创检查的风险，对于筛查心律失常和心脏猝死的高危患者、定位心律失常病灶意义重大。但 ECGI 技术也面临挑战，它需要大量的体表导联信号和心脏表面电位数据来建立体表和心脏之间的映射关系，可多导联 ECG 系统在临床应用中受限，获取真实的心脏电位数据又困难重重，所以研究人员把目光投向了模拟模型。
西安交通大学的研究人员为了解决这些问题，开展了一项极具意义的研究。他们构建了完整的三维双域心脏电生理活动模型，利用这个模型得到模拟心电图数据，当作训练样本，然后分别运用粒子群优化 - 反向传播神经网络（PSO - BP）、卷积神经网络（CNN）和长短期记忆网络（LSTM）来重建心脏表面电位。
研究人员在构建模型时，下了不少功夫。他们基于 Sovilj 等人的理想化 3D 模型，搭建了包含简化的躯干、肺和整个心脏结构的心脏 - 躯干双域模型。在这个模型里，心脏的形状和大小参考了真实人体解剖结构。为了更贴近实际情况，还考虑了体积导体效应，给每个模型组件赋予了符合人体组织实际测量值的电导率和介电常数。心脏模型也根据细胞特性和组织电导率被细分为七个区域，用改良的 FitzHugh - Nagumo 模型来描述心脏电活动。
在心脏电位重建方面，研究人员深知心电逆问题是个难题，传统的解决方法依赖正则化技术，但参数选择特别困难。于是，他们尝试用机器学习和深度学习的方法。为了让模型更可靠，对体表电位数据进行了预处理，添加高斯噪声模拟临床数据中的噪声影响，还进行了归一化操作。
研究结果令人眼前一亮。模拟结果和临床数据的相关性很强，相关系数在 75.76% - 84.61% 之间，模拟波形中的 P 波、PR 间期、QRS 波群和 T 波都在正常临床范围内，体表电位标测的分布趋势也和临床数据一致。所有算法重建结果与真实值之间的决定系数 R2都在 0.80 以上，平均绝对误差（MAE）低于 2.1mV，其中 LSTM 的 R2约为 0.99，MAE 约为 0.5mV。这表明在心脏电位重建方面，LSTM 比其他算法优势明显。
从模拟结果来看，模型能准确模拟心脏电活动的传导过程，各个部位按照正常顺序去极化和复极化。和临床 ECG 对比，虽然模拟信号和真实信号存在一些差异，但整体趋势相符，说明构建的模型能反映心脏电活动。模拟 BSPM 和临床 BSPM 的对比也显示，两者的分布趋势一致，模拟 BSPM 可以用来分析心脏电活动过程。在 TMP 重建上，不管是基于模拟数据还是临床数据，LSTM 的重建结果都更接近真实值。
这项研究意义非凡。构建的心脏电生理模型为研究各种心血管疾病提供了有力工具，通过调整参数能模拟心肌梗死、心房颤动等疾病。而且，利用深度学习技术解决心电逆问题，计算成本低、训练时间短，能快速高效地实现心脏电位的可视化，这对指导术前诊断和导管消融手术有重要意义。不过，研究也存在一些局限性，比如模型对心脏传导系统和躯干的几何模型进行了理想化和简化，可能影响模拟的准确性，未来还需要进一步优化。但总体而言，这项研究为心律失常的诊断和治疗开辟了新的道路，有望在临床应用中发挥重要作用。
研究人员在这项研究中用到了几个关键技术方法。一是构建心脏 - 躯干双域模型，通过有限元软件模拟心脏电生理活动；二是利用粒子群优化 - 反向传播神经网络（PSO - BP）、卷积神经网络（CNN）和长短期记忆网络（LSTM）等深度学习算法来求解心电逆问题；三是使用了临床数据和模拟数据，临床数据来自 MIT - BIH 心律失常数据库和 Thomas Berger 等人收集的患者数据，模拟数据则由构建的心脏电生理模型生成。
