Multi-task Deep Neural Network for Intracardiac Activity Reconstruction in Atrial Fibrillation
Rattachement africain : es. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
The reconstruction of cardiac mapping for arrhythmia characterization remains a challenge for both invasive and non-invasive approaches.This paper presents a novel data-driven approach using a multi-task deep neural network for the reconstruction of intracardiac activity from body surface potentials in atrial fibrillation patients.The proposed framework integrates 3D convolutions and Recurrent Neural Networks for spatio-temporal feature extraction from body surface potentials, enhancing the reconstruction of electrograms.Performance was evaluated against the Tikhonov method in synthetic and real data, showing robustness to noise and electrode disconnection.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Multi-task Deep Neural Network for Intracardiac Activity Reconstruction in Atrial Fibrillation
- Date Crossref
- 01/12/2024
- Éditeur
- Computing in Cardiology
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.