Fugu-MT 論文翻訳(概要): Discovery of temporal structure intricacy in arterial blood pressure waveforms representing acuity of liver transplant and forecasting short term surgical outcome via unsupervised manifold learning

論文の概要: Discovery of temporal structure intricacy in arterial blood pressure waveforms representing acuity of liver transplant and forecasting short term surgical outcome via unsupervised manifold learning

arxiv url: http://arxiv.org/abs/2109.10258v1
Date: Tue, 21 Sep 2021 15:33:58 GMT
ステータス: 処理完了
システム内更新日: 2021-09-22 16:10:28.061918
Title: Discovery of temporal structure intricacy in arterial blood pressure waveforms representing acuity of liver transplant and forecasting short term surgical outcome via unsupervised manifold learning
Title（参考訳）: 肝移植の視力を表わす動脈血圧波形の時間的構造異常の発見と教師なし多様体学習による短期手術成績の予測
Authors: Shen-Chih Wang, Chien-Kun Ting, Cheng-Yen Chen, Chin-Su Liu, Niang-Cheng Lin, Che-Chuan Loon, Hau-Tieng Wu, Yu-Ting Lin
Abstract要約: 肝移植手術において, 動脈血圧(ABP)波形は連続パルスで進行する。我々は、教師なし多様体学習波形解析を用いて、ABPデータから波形形態的進化を抽出した。
参考スコア（独自算出の注目度）: 3.078264203938487
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Background: Arterial blood pressure (ABP) waveform evolves across each consecutive pulse during the liver transplant surgery. We hypothesized that the quantification of the waveform evolution reflects 1) the acuity of the recipient undergoing liver transplant and 2) the intraoperative dynamics that forecasts short-term surgical outcomes. Methods: In this prospective observational single cohort study on living donor liver transplant surgery, we extracted the waveform morphological evolution from the ABP data with the unsupervised manifold learning waveform analysis. Two quantitative indices, trend movement and fluctuation movement, were developed to represent the slow-varying and fast-varying dynamics respectively. We investigated the associations with the liver disease acuity represented with the Model for End-Stage Liver Disease (MELD) score and the primary outcomes, the early allograft failure (EAF), as well as the recently developed EAF scores, including the Liver Graft Assessment Following Transplantation (L-GrAFT) score, the Early Allograft Failure Simplified Estimation (EASE) score, and the Model for Early Allograft Function (MEAF) score. Results: Sixty recipients were enrolled. The presurgical trend movement was correlated with the MELD scores. It decreased in the anhepatic phase. The neohepatic trend movement correlated with the L-GrAFT scores, the EASE score, and the MEAF score. Regarding the constituent of the EAF scores, the trend movement most correlated with the postoperative day 7 bilirubin. Conclusions: The ABP waveform evolution intricacy in the presurgical phase reflects recipients' acuity condition while that in the neohepatic phase reveal the short-term surgical outcome calculated from laboratory data in postoperative day 7-10. The waveform evolution reflects the intraoperative contribution to the early outcome.
Abstract（参考訳）: 背景: 肝移植手術において, 動脈血圧(ABP)波形は連続パルスで進行する。我々は波形の進化の定量化が反映すると仮定した。 1)肝移植を受けた受取人の明度 2)短期的手術成績を予測する術中動態。方法: 生体ドナー肝移植手術における1コホート研究の展望として, ABPデータから非教師なし多様体学習波形解析を用いて波形形態変化を抽出した。 2つの定量的指標、傾向運動と変動運動は、それぞれ遅い変動と速い変動のダイナミクスを表すために開発された。末期肝疾患モデル(meld)と初期同種移植不全(eaf),移植後の肝移植評価(l-graft),早期同種移植不全簡易評価(ease)スコア,早期同種移植機能評価(meaf)スコアなど,最近開発されたeafスコアとの関連について検討した。結果:受講者は60名。術前の傾向はMELDスコアと相関していた。抗肝効果は低下した。新肝傾向運動はl-graftスコア,easyスコア,meafスコアと相関した。 EAFスコアは術後7日目のビリルビンと最も相関した傾向を示した。結論: 術前相におけるABP波形の進行は, 術後7～10日目の手術データから得られた短期的手術成績を呈し, 受容器の容積状態を反映する。波形の進化は術中の早期の成果を反映している。

関連論文リスト

FedMedICL: Towards Holistic Evaluation of Distribution Shifts in Federated Medical Imaging [68.6715007665896]
FedMedICLは統合されたフレームワークであり、フェデレートされた医療画像の課題を全体評価するためのベンチマークである。 6種類の医用画像データセットについて,いくつかの一般的な手法を総合的に評価した。単純なバッチ分散手法はFedMedICL実験全体の平均性能において,高度な手法を超越していることがわかった。
論文参考訳（メタデータ） (2024-07-11T19:12:23Z)
Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文参考訳（メタデータ） (2024-05-21T20:37:07Z)
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)
Non-invasive Waveform Analysis for Emergency Triage via Simulated Hemorrhage: An Experimental Study using Novel Dynamic Lower Body Negative Pressure Model [3.0180851707924243]
本研究では,現在進行中の低ボロン血症のレベルを分類するために,ディープラーニング(DL)フレームワークの識別能力について検討した。従来のモデルとは対照的に,動的LBNPプロトコルを用い,LBNPを段階的に段階的に段階的に段階的に適用した。基礎となる非侵襲的な信号とラベリングセグメントを対応するLBNPターゲットレベルにセグメント化することにより,3次分類のためのDLベースのフレームワークを実現した。
論文参考訳（メタデータ） (2023-03-01T12:37:52Z)
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)
Optimal Transport Features for Morphometric Population Analysis [12.477630681202609]
本稿では,不均衡な最適輸送に基づく特徴抽出のステップを付加して,形態計測解析を強化することを提案する。最適な輸送特徴抽出ステップは、空間的に分散した組織損失を引き起こす病理の統計力を増加させる。以上の結果から, 提案手法は組織の変化や, 測定不可能な相違を同定できることが示された。
論文参考訳（メタデータ） (2022-08-11T15:46:32Z)
DeepAtrophy: Teaching a Neural Network to Differentiate Progressive Changes from Noise on Longitudinal MRI in Alzheimer's Disease [1.465540676497032]
経時的MRI変化測定は非生物学的因子によって構成できる。深層学習法は、生物学的変化と非生物学的要因を区別するために訓練することができる。
論文参考訳（メタデータ） (2020-10-24T18:23:02Z)
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)
StyPath: Style-Transfer Data Augmentation For Robust Histology Image Classification [6.690876060631452]
我々は,StyPathに基づくAMR分類のための,堅牢なディープニューラルネットワークを構築するための新しいパイプラインを提案する。それぞれの画像は、1GTX V TITANとpytorchを使って1.84 + 0.03秒で生成された。以上の結果から,本手法は組織学的分類性能を向上させることが示唆された。
論文参考訳（メタデータ） (2020-07-09T18:02:49Z)
Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文参考訳（メタデータ） (2020-05-27T06:58:39Z)
Neural Network Segmentation of Interstitial Fibrosis, Tubular Atrophy, and Glomerulosclerosis in Renal Biopsies [0.0]
糸球体硬化症,間質線維症,尿細管萎縮症(IFTA)は腎障害の組織学的指標である。現代の人工知能とコンピュータビジョンアルゴリズムは、厳密な量子化によって、サーバ間の変動を低減する能力を持っている。腎生検における糸球体硬化症とIFTAのセグメンテーションに畳み込みニューラルネットワークを適用した。
論文参考訳（メタデータ） (2020-02-28T17:05:59Z)

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。