基于机器学习的心房颤动再入驱动源定位电生理数据

资源简介

该数据集来源于一项针对心房颤动（AF）驱动源定位的研究，通过简单的细胞自动机模型模拟心房颤动，并收集了间接电生理图（electrogram）测量数据。数据集包含模拟生成的电生理信号及其特征梯度，用于训练机器学习算法（如现成的分类或回归模型），以关联电生理图特征与再入驱动源位置之间的位移关系。该方法对电活动的局部波动较不敏感，在单驱动源组织中成功定位95.4%的驱动源，在双驱动源组织中分别成功定位95.1%和92.6%的驱动源。研究展示了该技术可扩展至任意数量驱动源的组织，虽目前尚未达到临床应用水平，但为未来改善心房颤动靶向消融治疗提供了有前景的研究路径。