心臓細動におけるローターコアの検出のための画像分解 - 強化された深い学習

目的：ローター、心臓組織におけるスパイラル波の再突入の領域は、最も一般的な不整脈である心房細動（AF）のドライバーと見なされます。物理ベースのアプローチはローターを検出するために広く展開されていますが、通常、心臓生理学の詳細な知識とエレクトログラム解釈スキルが必要です。スマートセンシング、データ収集、および人工知能（AI）の最近の飛躍は、AFを含む心臓病の診断と治療を変換する前例のない機会を提供しました。この研究の目的は、シミュレーションと光マッピングデータの両方でローターコアを自動的に識別するための画像デコンポジションが強化された深い学習フレームワークを開発することを目的としています。 方法：アンサンブルの経験的モード分解アルゴリズム（EEMD）を採用して元の画像を分解し、最も代表的なコンポーネントをローター検出のためのYouのみの外観（Yolo）オブジェクト検出アーキテクチャに供給します。隔離されたウサギのハートから取得したバイドメインシミュレーションモデルと光学マッピングからのシミュレーションデータは、トレーニングと検証に使用されます。 結果：この統合されたEEMD-Yoloモデルは、シミュレーションデータと光マッピングデータの両方で高精度を達成します（精度：97.2％、96.8％、リコール：93.8％、92.2％、およびF1スコア：それぞれ95.5％、94.4％）。 結論：提案されているEEMD-Yoloは、文献のゴールドスタンダードとのローター検出の同等の精度をもたらします。

OBJECTIVE: Rotors, regions of spiral wave reentry in cardiac tissues, are considered as the drivers of atrial fibrillation (AF), the most common arrhythmia. Whereas physics-based approaches have been widely deployed to detect the rotors, in-depth knowledge in cardiac physiology and electrogram interpretation skills are typically needed. The recent leap forward in smart sensing, data acquisition, and Artificial Intelligence (AI) has offered an unprecedented opportunity to transform diagnosis and treatment in cardiac ailment, including AF. This study aims to develop an image-decomposition-enhanced deep learning framework for automatic identification of rotor cores on both simulation and optical mapping data. METHODS: We adopt the Ensemble Empirical Mode Decomposition algorithm (EEMD) to decompose the original image, and the most representative component is then fed into a You-Only-Look-Once (YOLO) object-detection architecture for rotor detection. Simulation data from a bi-domain simulation model and optical mapping acquired from isolated rabbit hearts are used for training and validation. RESULTS: This integrated EEMD-YOLO model achieves high accuracy on both simulation and optical mapping data (precision: 97.2%, 96.8%, recall: 93.8%, 92.2%, and F1 score: 95.5%, 94.4%, respectively). CONCLUSION: The proposed EEMD-YOLO yields comparable accuracy in rotor detection with the gold standard in literature.