論文の概要: Cardiac Cohort Classification based on Morphologic and Hemodynamic
Parameters extracted from 4D PC-MRI Data
- arxiv url: http://arxiv.org/abs/2010.05612v2
- Date: Tue, 29 Dec 2020 10:30:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 07:34:55.405782
- Title: Cardiac Cohort Classification based on Morphologic and Hemodynamic
Parameters extracted from 4D PC-MRI Data
- Title（参考訳）: 4次元PC-MRIデータから抽出した形態および血行動態パラメータに基づく心臓コホート分類
- Authors: Uli Niemann, Atrayee Neog, Benjamin Behrendt, Kai Lawonn, Matthias
Gutberlet, Myra Spiliopoulou, Bernhard Preim, Monique Meuschke
- Abstract要約: 大動脈内血流データから抽出した形態学的および血行動態の特徴について検討し,心疾患のボランティアとバイカピッド大動脈弁(BAV)患者の分類について検討した。
実験では,健康なサブグループとBAV患者のために,いくつかの特徴選択法と分類アルゴリズムを用いて個別のモデルを訓練した。
- 参考スコア（独自算出の注目度）: 6.805476759441964
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An accurate assessment of the cardiovascular system and prediction of
cardiovascular diseases (CVDs) are crucial. Measured cardiac blood flow data
provide insights about patient-specific hemodynamics, where many specialized
techniques have been developed for the visual exploration of such data sets to
better understand the influence of morphological and hemodynamic conditions on
CVDs. However, there is a lack of machine learning approaches techniques that
allow a feature-based classification of heart-healthy people and patients with
CVDs. In this work, we investigate the potential of morphological and
hemodynamic characteristics, extracted from measured blood flow data in the
aorta, for the classification of heart-healthy volunteers and patients with
bicuspid aortic valve (BAV). Furthermore, we research if there are
characteristic features to classify male and female as well as older
heart-healthy volunteers and BAV patients. We propose a data analysis pipeline
for the classification of the cardiac status, encompassing feature selection,
model training and hyperparameter tuning. In our experiments, we use several
feature selection methods and classification algorithms to train separate
models for the healthy subgroups and BAV patients. We report on classification
performance and investigate the predictive power of morphological and
hemodynamic features with regard to the classification of the defined groups.
Finally, we identify the key features for the best models.
- Abstract（参考訳）: 心血管系の正確な評価と心血管疾患(CVD)の予測が重要である。
測定された心臓血流データは、患者固有の血行動態についての洞察を与え、そこでは、形態学的および血行動態がCVDに与える影響をよりよく理解するために、そのようなデータセットの視覚的探索のために多くの専門技術が開発されている。
しかし、心臓病患者とCVD患者の特徴に基づく分類を可能にする機械学習手法が欠如している。
本研究は,大動脈内血流データから抽出した形態学的,血行動態的特徴の可能性を,心健康ボランティアと両眼性大動脈弁(bav)患者の分類のために検討する。
さらに,高齢の心疾患患者やbav患者と同様に男女を分類する特徴があるか検討した。
本稿では,機能選択,モデルトレーニング,ハイパーパラメータチューニングを含む心臓状態の分類のためのデータ解析パイプラインを提案する。
実験では,健康なサブグループとbav患者の分離モデルを訓練するために,いくつかの特徴選択法と分類アルゴリズムを用いた。
本報告では, 定型群の分類に関して, 形態学的特徴および血行力学的特徴の分類性能と予測力について報告する。
最後に、最良のモデルの主要な特徴を特定します。
関連論文リスト
- Deep vectorised operators for pulsatile hemodynamics estimation in coronary arteries from a steady-state prior [2.3971720731010766]
本稿では,拍動血行動態を推定するために,機械学習を利用した時間効率な代理モデルを提案する。
本モデルでは, 震源領域の再サンプリングに依存せず, 脈動速度と圧力の正確な推定値が得られた。
論文 参考訳（メタデータ） (2024-10-15T12:24:50Z) - Machine Learning Models for the Identification of Cardiovascular Diseases Using UK Biobank Data [4.285399998352862]
この調査では、英国の主要医療センターから50万人以上の中年参加者が参加しました。
参加者は、心臓発作、狭心症、脳卒中、高血圧の少なくとも1つを報告した場合、CVDと分類された。
我々は9つの機械学習モデル (LSVM, RBFSVM, GP, DT, RF, NN, AdaBoost, NB, QDA) を用いた。
論文 参考訳（メタデータ） (2024-07-23T11:05:20Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳（メタデータ） (2023-07-26T02:34:57Z) - Three-dimensional micro-structurally informed in silico myocardium --
towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。
シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文 参考訳（メタデータ） (2022-08-22T22:01:44Z) - Deep Computational Model for the Inference of Ventricular Activation
Properties [10.886815576856574]
患者固有の心臓計算モデルは、精密医療の効率的な実現と、デジタル双生児を用いた in-silico 臨床試験に不可欠である。
深層学習に基づく患者固有の計算モデルを提案し,心室活性化特性の推測のために解剖学的および電気生理学的情報を融合することができる。
我々はEikonalモデルを用いて、特定の患者情報も考慮されている推論モデルをトレーニングするために、地上の真理特性を持つ模擬心電図を生成する。
論文 参考訳（メタデータ） (2022-08-08T10:23:43Z) - Supraventricular Tachycardia Detection and Classification Model of ECG
signal Using Machine Learning [0.0]
心電図(ECG)信号の研究は心疾患の診断に不可欠である。
本研究は,雑音のフィルタリングを含む数段階からなる上室性不整脈予測モデルを提案する。
我々は,異なるタイプの上室頻拍を分類できる機械学習に基づく分類モデルを開発した。
論文 参考訳（メタデータ） (2021-12-24T05:48:26Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - Personalized pathology test for Cardio-vascular disease: Approximate
Bayesian computation with discriminative summary statistics learning [48.7576911714538]
近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。
この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
論文 参考訳（メタデータ） (2020-10-13T15:20:21Z) - Joint data imputation and mechanistic modelling for simulating
heart-brain interactions in incomplete datasets [5.178090215294132]
本稿では, 心血管機構モデルを用いた共同心臓データ計算とパーソナライズのための確率的枠組みを提案する。
本手法は, 利用可能な特徴量から, 心臓情報の計算モデルを用いて, 共同推論を行うための変動的枠組みに基づくものである。
本モデルは,最小限の心情報を含むデータセットにおいて,欠落した心機能の正確な計算を可能にすることを示す。
論文 参考訳（メタデータ） (2020-10-02T15:31:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。