买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中山大学

摘要：本发明属于心脏电生理模拟技术领域，具体公开了基于密集体表电和心脏躯干几何的心脏电生理成像模拟与电场分析方法，通过数据增强以及生成对抗网络的训练，体表电位向高维空间映射，被重建为心肌跨膜电位，结合特定的激活函数使电位变化被约束在科学范围内，该心肌跨膜电位隐含的心脏病理样发展规律。用于高维映射得到的心肌跨膜电位序列包含了时域、频域、电场域信息，结合可视化与分析模块分别进行多分辨率展示；进行时域、频域、电场域特征提取与统计学分析，确定心内电活动的变化规律；进行与心电病理样变化相对比，观察内电活动的病理样变化特点。系统整体为刻画新的心身状态提供新的特征指标，为心身疾病的治疗预测提供新的询证方法。

主权项：1.基于密集体表电和躯干几何的心脏电生理成像模拟方法，其特征在于，包括以下步骤：S1：基于体表电位数据以及计算机胸腔断层扫描的数据，构建仿真数据模型；S2：根据所述的仿真数据模型通过求解心电正问题获得心肌跨膜电位与体表电位之间的映射关系，再基于生成对抗网络求解心电逆问题，重建出心肌跨膜电位分布数据；生成对抗网络设置为两个，其中一个进行数据增强，另一个进行求解心电逆问题，通过数据集的大规模训练，重建出心肌跨膜电位分布数据；且对抗神经网络采用循环对抗神经网络，循环对抗神经网络对应有两个生成器G、F接收生成图片，对应还设置有两个辨别器DX、DY判断图片的好坏，循环生成对抗网络的损失函数由两部分组成：Loss＝LossGAN+Losscycle其中，LossGAN为生成对抗网络损失，Losscycle为循环一致性损失； 其中，DX和DY是两个辨别器，DX用于判断输入是否属于域X，而DY用于判断输入是否属于域Y，G和F是两个生成器，G用于将域X的图像转换为域Y的图像，而F用于将域Y的图像转换为域X的图像，X,Y代表两个不同的数据域，其中X和Y分别是这两个域中的图像集合，pdatax和pdatay是域X和域Y中数据的概率分布，进一步计算可将这部分损失分为四个主要项组成，分别对应于两个生成器和两个辨别器的交互：是辨别器DY在真实Y图像上的表现，目标是最大化对真实图像的识别率；是辨别器DY在生成器G转换后的假Y图像上的表现，目标是最大化对假图像的拒识率；是辨别器DX在真实X图像上的表现，目标是最大化对真实图像的识别率；是辨别器DX在生成器F转换后的假X图像上的表现，目标是最大化对假图像的拒识率； 其中，是图像从X经G转换到Y，再经F转换回X的循环一致性损失；是图像从Y经F转换到X，再经G转换回Y的循环一致性损失，MinimizeLossGAN保证生成心肌跨膜电位的真实性，而MinimizeLosscycle则是为了保证两种约束对之间的相互转换，即FGx＝x以及GFy＝t，训练判别器时，生成器G、F的参数被固定，此时的目标函数是MaximizeLoss，提高判别器的判别能力，此外，损失函数中还添加了identity损失项以保证图像风格改变时内容不发生改变，具体表示为： 其中，是身份损失函数，它有两个输入，生成器G和F，它们是2个生成器网络，其作用是在两个图像域之间进行转换，与是两个期望值操作，其中y和x分别从各自的数据分布pdatay和pdatax中抽取，这是在所有可能的y和x上平均损失函数的标准方式，||Gx-y||1和||Fy-x||1是L1范数，用于计算生成的图像Gx或Fy与真实图像y或x之间的差异，L1范数也被称为绝对值之和，在这里被用作损失函数，其鼓励生成的图像在像素级别上与目标图像相似，并助于保持颜色和内容的一致性；S3：对心脏电活动变化进行生理成像模拟、可视化与分析。

全文数据：

权利要求：

百度查询： 中山大学 基于密集体表电和躯干几何的心脏电生理成像模拟方法