心血管系统疾病论文_基于深度学习的心律模拟算
文章摘要:心脏搏动可用基于Van der Pol方程的心律模型描述。对该模型的研究有助于进行心律调控，为心律失常等心脏疾病治疗提供指导。针对已有Van der Pol方程时间尺度与真实生物心律不一致的问题，引入时间尺度参数，改进Van der Pol方程。针对心律模型的数值模拟问题，提出一种基于深度神经网络的算法。针对现有神经网络算法带来的假解问题，提出一种新的采样策略构建训练数据集。为进一步提高求解的精度，引入自适应自适应采样策略。开展数值实验，将Runge-Kutta法给出的数值解与所提深度神经网络算法的计算结果进行对比。结果显示，深度神经网络算法的计算结果相对于Runge-Kutta数值解的最大平均误差不超过0.3%。还利用深度神经网络算法模拟牛蛙心脏搏动细胞动作电位信号以及外部驱动信号对该电位信号的调控作用。结果显示，深度神经网络算法可以很好地模拟动作电位的脉冲波形及外部驱动信号的调控作用。此工作可进一步拓展深度学习的应用范围，展示人工智能与算法在生物学和生理学中的应用。
文章关键词:
