基于生理学感知的图注意力网络用于早期室性折返预测

该研究提出一种基于图注意力的分类器，用于从模拟心电生理学数据早期预测持续性室性折返，核心输入为前两次起搏激活的节点电压及几何、起搏频率等边属性。 在包含1000次模拟的独立测试集上，模型达到94.6%准确率和0.987的ROC-AUC；消融实验证实舒张期间期是最关键描述符，注意力头主要聚焦于边界区与早期传播路径。 该成果支持图注意力方法作为大规模计算机体内心室折返研究的高效早期预测方案。