Wolff-Parkinson-White(WPW)综合征是一种心脏电生理学(EP)障碍,由附件通路(AP)的存在引起,该通路绕过心室节点,更快的心室活化率,并为心室性心室再入心动过速(AVRT)提供底物。 AP的准确定位对于规划和指导导管消融程序至关重要。 虽然传统的诊断树(DT)方法和最近的机器学习(ML)方法已被提议从表面心电图(ECG)预测AP位置,但它们通常受到有限的解剖定位分辨率,不良可解释性以及使用小型临床数据集的限制。 在这项研究中,我们展示了一个深度学习(DL)模型,用于在24个心脏区域进行单列AP的定位,该模型在使用个性化虚拟心脏模型生成的合成心格的大型生理逼真数据库中进行了训练。 我们还将 eXplainable Artificial Intelligence (XAI) 方法、Guided Backpropation、Grad-CAM 和 Guided Grad-CAM 集成到管道中。 这能够解释DL决策,并解决临床采用的主要障碍之一:ML预测缺乏透明度。 我们的模型实现了95%以上的定位精度,灵敏度为94.32%,特异性为99.78%。 XAI输出根据已知的去极化模式进行生理验证,并引入了一个新的索引,以确定AP本地化的最丰富的心电图线索。 结果突出显示铅V2是最关键的,其次是aVF,V1和aVL。 这项工作展示了将心脏数字孪生与可解释的DL相结合以实现准确,透明和非侵入性AP定位的潜力。