講演情報
[5Yin-A-25]Physics-Informed Neural Networksを用いた遅延結合振動子による心電図モデルのパラメータ推定
〇渡邉 大輝1、武田 健太郎1 (1. 香川大学)
キーワード：
心電図、物理情報に基づくニューラルネットワーク
心拍リズムは，心臓においてペースメーカーの役割を果たす洞結節の周期的な自己興奮が遅延を伴って房室結節およびヒス–プルキンエ系へと伝導し，心房・心室の筋肉を適切なタイミングで収縮・拡張させることで生じる．心電図はこの電気的興奮の伝搬を体表面に設置した電極で記録した信号であり，先行研究において修正Van der Pol振動子の遅延結合系として表現される数理モデルが提案されている．
本研究では，Physics-Informed Neural Networks (PINNs)を用いて，数値シミュレーションにより生成した心電図波形から結合パラメータを推定する手法を提案する．洞調律，心室粗動，および洞性徐脈の各リズム状態に対して，提案手法が心電図モデルの内部状態および結合パラメータを推定できることを示した．これらの結果は，PINNsが心電図から心臓伝導系の機能的異常を推定する手法として，心疾患の診断に応用できることを示唆する．
本研究では，Physics-Informed Neural Networks (PINNs)を用いて，数値シミュレーションにより生成した心電図波形から結合パラメータを推定する手法を提案する．洞調律，心室粗動，および洞性徐脈の各リズム状態に対して，提案手法が心電図モデルの内部状態および結合パラメータを推定できることを示した．これらの結果は，PINNsが心電図から心臓伝導系の機能的異常を推定する手法として，心疾患の診断に応用できることを示唆する．