Solving the Inverse Problem of Electrocardiography for Cardiac Digital Twins: A Survey

心脏数字孪生是用于理解复杂心脏机制的个性化虚拟表示。解决心电图反问题对于准确的虚拟心脏建模至关重要，可以从记录的表面电位中获得内部电活动信息。尽管存在心脏复杂性、嘈杂的心电图数据和计算效率等挑战，但最近的进展在增强虚拟心脏建模方面具有重要的前景，最终推动心脏病学中的精准医学。本文旨在全面回顾解决心电图反问题的方法、验证策略、临床应用和未来展望。对于计算方法，我们将最先进的方法广泛分类为两类：确定性和概率方法，包括传统和基于深度学习的技术。将物理定律与深度学习模型相结合具有前景，但仍存在挑战，如准确捕捉动态电生理学、获取准确的领域知识和量化预测不确定性等。将模型集成到临床工作流程中，同时确保可解释性和对医疗保健专业人员的可用性至关重要。克服这些挑战将推动心脏数字孪生的进一步研究。

本文旨在全面回顾解决心电图反问题的方法、验证策略、临床应用和未来前景。

本文将当前的解决方案分为确定性和概率性两类，包括传统和基于深度学习的技术，并探讨将物理定律与深度学习模型相结合的潜力。

本文强调了将模型整合到临床工作流程中的重要性，并提出了需要解决的挑战，包括准确捕捉动态电生理学、访问准确的领域知识和量化预测不确定性等。

最近的相关研究包括“Cardiac electrophysiology modeling: from cell to body surface and back again”和“Deep learning in electrocardiography and cardiac electrophysiology: recent advances and future directions”。