本篇文章为西安交通大学董明教授团队发表在Chinese Journal of Electrical Engineering 2023年第1期“Special Issue on Bioelectromagnetics”专题的综述文章，题为《Review of Ex Vivo Cardiac Electrical Mapping and Intelligent Labeling of Atrial Fibrillation Substrates》

扫描下方二维码，免费获取全文阅读。

01.论文亮点

分析探讨了心脏电生理标测技术（包括心内膜标测、心外膜标测、光学标测以及体表电位标测）的优势和局限，指出能真正实现无创连续标测的体表电位标测技术具有优秀的临床应用前景。对深度学习在心电数据分析中的应用研究（包括基于心电图的房颤检测、基于磁共振成像的心房分割以及体内房颤三维标测图分析等领域）进行了详细的综述，深度学习可以作为体外心脏电标测房颤的有效工具。探讨了体外智能标测房颤基质存在的问题以及可能的解决途径。

02.研究背景

心房颤动（房颤）是最常见的心律失常，与卒中、心力衰竭相关。房颤已经成为严重影响国民健康的卫生问题，是21世纪心血管主战场之一。房颤消融手术通过隔离房颤触发灶和改良心房基质恢复并维持心脏正常心律，是治疗房颤的重要手段。房颤消融手术复杂，需通过心脏三维电标测全面获取心房三维心腔电解剖信息，标测触发灶和房颤基质，从而制定手术策略，实施手术。心脏三维电标测是房颤消融手术开展的基础，也是目前消融手术的第一步。尽管导管消融术是目前治疗房颤的最有效手段之一，但仍存在手术时程长、成功率低等问题。简化房颤消融术，提高手术成功率，对推广房颤消融术，使房颤患者得到有效治疗具有重要意义，也是行业内关注的重点和难点问题。临床现行应用的心脏三维电生理标测技术存在着诸多不足，是造成房颤导管消融术时程长，成功率低，采集信息不全面的关键原因。因此，提升心脏电生理标测技术成为缩短房颤导管消融手术时程以及提高手术成功率的关键。

近年来采用深度学习技术对心电数据进行处理的研究呈爆炸式增长，已经取得了与传统的基于人工设计特征选择的方法相当甚至更高的精度。体外心脏电标测房颤，需要应用200余路电极同时记录心电活动，采集到的心电图像信息量巨大，需要准确识别心房电信号并进行分类，深度学习可以作为一个有效的工具进行特征提取和图像识别。

03.主要工作

本文总结了房颤触发维持机制以及触发灶、低电压区、碎裂电位等典型房颤基质的电生理特征。分析探讨了心脏电生理标测技术的应用现状与发展潜力，对深度学习在心电数据方面，包括基于心电图的房颤检测、基于磁共振成像的心房分割以及体内房颤三维标测图分析等领域的国内外研究现状进行了全面的综述，总结分析了未来亟待探索的关键问题以及可能的解决途径，并对未来发展进行了展望。

随着利用深度学习技术进行心房电生理疾病诊断研究的逐步深入，以及大数据挖掘与计算机模型优化的结合，智能标测房颤基质、在心脏电生理学方面实现疾病自动诊断的能力将不断提高。体外心脏标测技术以及智能检测房颤基质算法的深入研究应用将促进房颤消融手术、房颤触发机制等相关研究的完善和发展。

04.试验图片

图1.房颤触发维持机制概念框图

图2.电生理标测技术发展历程

图3.CardioInsight标测系统

05.团队介绍

团队带头人介绍

董明 教授/博导 西安交通大学

主要从事高压电力设备状态监测、大数据分析及应用、新型纳米液体电介质材料的研发和应用。近年来发表SCI/EI论文80余篇，获授权专利20余项，获省部级、企业级科技奖励4项，参与企标、团标、行标标准起草5项，现为IEC TC85标委会成员，IEEE会员，CIGRE A2.62中国代表。

微信公众号投稿、转载请联系：

电话：010-88379848

邮箱：cjee@cjeecmp.com

网址：www.cjeecmp.cn

扫描关注