科学家模拟心律不齐电信号

当保持心肌同步的电脉冲的“交响乐”变得混乱时，心律不齐就会发生。尽管心律失常的症状通常很少被注意到，但在美国，每年都有数十万人死于心脏骤停。限制建立预测这类事件的模型的一个主要问题是，无法测量和监测数百个共同导致心跳的变量。

德国马克斯·普朗克动力学和自组织研究所的两名研究人员开发了一种算法，利用人工智能精确建立心肌电兴奋模型。

这项研究最近发表在《混沌》杂志上，隶属于美国物理协会(AIP)出版集团，使用描述激励介质的偏微分方程和一种叫做回声状态神经网络(ESN)的技术来交叉预测与心脏组织中的混沌无线电波传播相关的变量。

“这是一个众所周知但极具挑战性的问题。我们使用机器学习方法提供了一个新的解决方案。”论文作者之一、该研究所生物医学物理研究小组成员Ulrich Parlitz说。

随着机器学习技术变得越来越强大，特定的神经网络(如ESN)可以代表电力系统，并随着时间的推移留下事件记忆。这有助于理解心律失常的电信号如何失去同步。

研究者建立的模型填补了动态观测器的空白。

在物理模型生成的数据集上训练算法后，Parlitz和合作伙伴Roland Zimmermann向ESN输入新的测量时间序列。这个过程使观察者能够交叉预测状态向量。例如，如果研究人员知道特定心脏区域在某个时间点的电压，他们就可以重建钙电流的流动。"虽然这篇论文描述了一个交叉预测问题，但是ESN也可以用来预测未来的行为."帕利茨说，理解心脏的电特性只是故事的一部分。

帕利茨还说，他和他的同事正在研究包括心脏内机械动力学的超声波测量。该团队希望有一天他们能够将不同形式的测量结果与心脏跳动的电和机械特征模型结合起来，从而改善心脏病的诊断和治疗。(慢慢地)

中国科学新闻(2018-05-16，第二版国际)