• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Commentary: EP-PINNs: Cardiac electrophysiology characterisation using physics-informed neural networks.

作者信息

Meier Stefan, Heijman Jordi

机构信息

Department of Cardiology, Cardiovascular Research Institute Maastricht (CARIM), Maastricht University, Maastricht, Netherlands.

出版信息

Front Cardiovasc Med. 2022 Aug 24;9:1003652. doi: 10.3389/fcvm.2022.1003652. eCollection 2022.

DOI:10.3389/fcvm.2022.1003652
PMID:36093140
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC9448979/
Abstract
摘要
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/97ad/9448979/d3109ff614e8/fcvm-09-1003652-g0001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/97ad/9448979/d3109ff614e8/fcvm-09-1003652-g0001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/97ad/9448979/d3109ff614e8/fcvm-09-1003652-g0001.jpg

相似文献

1
Commentary: EP-PINNs: Cardiac electrophysiology characterisation using physics-informed neural networks.评论：EP-PINNs：使用物理信息神经网络进行心脏电生理学特征分析。
Front Cardiovasc Med. 2022 Aug 24;9:1003652. doi: 10.3389/fcvm.2022.1003652. eCollection 2022.
2
EP-PINNs: Cardiac Electrophysiology Characterisation Using Physics-Informed Neural Networks.EP-PINNs：使用物理信息神经网络进行心脏电生理学特征分析
Front Cardiovasc Med. 2022 Feb 3;8:768419. doi: 10.3389/fcvm.2021.768419. eCollection 2021.
3
Error estimates and physics informed augmentation of neural networks for thermally coupled incompressible Navier Stokes equations.用于热耦合不可压缩纳维-斯托克斯方程的神经网络的误差估计与物理信息增强
Comput Mech. 2023 Aug;72(2):267-289. doi: 10.1007/s00466-023-02334-7. Epub 2023 Jun 14.
4
Quantum Physics-Informed Neural Networks.量子物理启发的神经网络。
Entropy (Basel). 2024 Jul 30;26(8):649. doi: 10.3390/e26080649.
5
Physics-informed neural entangled-ladder network for inhalation impedance of the respiratory system.用于呼吸系统吸入阻抗的物理信息神经纠缠梯网络
Comput Methods Programs Biomed. 2023 Apr;231:107421. doi: 10.1016/j.cmpb.2023.107421. Epub 2023 Feb 15.
6
Parameter Inference for an Astrocyte Model using Machine Learning Approaches.使用机器学习方法对星形胶质细胞模型进行参数推断。
bioRxiv. 2023 May 18:2023.05.16.540982. doi: 10.1101/2023.05.16.540982.
7
Protein Design Using Physics Informed Neural Networks.基于物理信息的神经网络的蛋白质设计。
Biomolecules. 2023 Mar 1;13(3):457. doi: 10.3390/biom13030457.
8
AI-Aristotle: A physics-informed framework for systems biology gray-box identification.人工智能与亚里士多德：一种用于系统生物学灰箱识别的物理信息框架。
PLoS Comput Biol. 2024 Mar 12;20(3):e1011916. doi: 10.1371/journal.pcbi.1011916. eCollection 2024 Mar.
9
Deep learning and inverse discovery of polymer self-consistent field theory inspired by physics-informed neural networks.受物理信息神经网络启发的聚合物自洽场理论的深度学习与逆向发现
Phys Rev E. 2022 Jul;106(1-1):014503. doi: 10.1103/PhysRevE.106.014503.
10
Evaluating single multiplicative neuron models in physics-informed neural networks for differential equations.评估物理信息神经网络中用于微分方程的单乘性神经元模型。
Sci Rep. 2024 Aug 17;14(1):19073. doi: 10.1038/s41598-024-67483-y.

本文引用的文献

1
The Increasing Role of Rhythm Control in Patients With Atrial Fibrillation: JACC State-of-the-Art Review.心房颤动患者节律控制作用的增加：JACC 现状述评。
J Am Coll Cardiol. 2022 May 17;79(19):1932-1948. doi: 10.1016/j.jacc.2022.03.337.
2
EP-PINNs: Cardiac Electrophysiology Characterisation Using Physics-Informed Neural Networks.EP-PINNs：使用物理信息神经网络进行心脏电生理学特征分析
Front Cardiovasc Med. 2022 Feb 3;8:768419. doi: 10.3389/fcvm.2021.768419. eCollection 2021.
3
Learning atrial fiber orientations and conductivity tensors from intracardiac maps using physics-informed neural networks.
使用物理信息神经网络从心内图中学习心房纤维方向和电导率张量。
Funct Imaging Model Heart. 2021 Jun 18;2021:650-658. doi: 10.1007/978-3-030-78710-3_62.
4
Computational models of atrial fibrillation: achievements, challenges, and perspectives for improving clinical care.心房颤动的计算模型：成就、挑战和改善临床护理的展望。
Cardiovasc Res. 2021 Jun 16;117(7):1682-1699. doi: 10.1093/cvr/cvab138.
5
2020 ESC Guidelines for the diagnosis and management of atrial fibrillation developed in collaboration with the European Association for Cardio-Thoracic Surgery (EACTS): The Task Force for the diagnosis and management of atrial fibrillation of the European Society of Cardiology (ESC) Developed with the special contribution of the European Heart Rhythm Association (EHRA) of the ESC.2020年欧洲心脏病学会（ESC）与欧洲心胸外科学会（EACTS）合作制定的心房颤动诊断和管理指南：欧洲心脏病学会（ESC）心房颤动诊断和管理特别工作组，由ESC欧洲心律协会（EHRA）特别贡献制定。
Eur Heart J. 2021 Feb 1;42(5):373-498. doi: 10.1093/eurheartj/ehaa612.
6
General Principles for the Validation of Proarrhythmia Risk Prediction Models: An Extension of the CiPA In Silico Strategy.用于验证致心律失常风险预测模型的一般原则：CiPA 计算机模拟策略的扩展。
Clin Pharmacol Ther. 2020 Jan;107(1):102-111. doi: 10.1002/cpt.1647. Epub 2019 Nov 10.
7
Computationally guided personalized targeted ablation of persistent atrial fibrillation.计算指导下的持续性心房颤动个体化靶向消融
Nat Biomed Eng. 2019 Nov;3(11):870-879. doi: 10.1038/s41551-019-0437-9. Epub 2019 Aug 19.
8
An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction.一种基于人工智能的心电图算法，用于在窦性心律期间识别房颤患者：对结局预测的回顾性分析。
Lancet. 2019 Sep 7;394(10201):861-867. doi: 10.1016/S0140-6736(19)31721-0. Epub 2019 Aug 1.