論文の概要: Electromechanical Dynamics of the Heart: A Study of Cardiac Hysteresis During Physical Stress Test

• arxiv url: http://arxiv.org/abs/2410.19667v1
• Date: Fri, 25 Oct 2024 16:23:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-28 13:33:11.182884
• Title: Electromechanical Dynamics of the Heart: A Study of Cardiac Hysteresis During Physical Stress Test
• Title（参考訳）: 心臓の電気機械力学 : 体力試験における心臓ヒステリシスの検討
• Authors: Sajjad Karimi, Shirin Karimi, Amit J. Shah, Gari D. Clifford, Reza Sameni,
• Abstract要約: 運動中の電気機械間隔(RR, QT, シストリック, ジアストリック)とその相互作用について検討した。 深層学習モデルは、RRデータからQT, systolic, diastolic intervalを推定し、RRと他の区間の非線形関係を確認する。 発見は、心電図とPCGの形態と心拍数履歴のタイミングをリンクすることで、重要な心臓記憶効果を浮き彫りにする。
• 参考スコア（独自算出の注目度）: 6.353221273197041
• License:
• Abstract: Cardiovascular diseases are best diagnosed using multiple modalities that assess both the heart's electrical and mechanical functions. While effective, imaging techniques like echocardiography and nuclear imaging are costly and not widely accessible. More affordable technologies, such as simultaneous electrocardiography (ECG) and phonocardiography (PCG), may provide valuable insights into electromechanical coupling and could be useful for prescreening in low-resource settings. Using physical stress test data from the EPHNOGRAM ECG-PCG dataset, collected from 23 healthy male subjects (age: 25.4+/-1.9 yrs), we investigated electromechanical intervals (RR, QT, systolic, and diastolic) and their interactions during exercise, along with hysteresis between cardiac electrical activity and mechanical responses. Time delay analysis revealed distinct temporal relationships between QT, systolic, and diastolic intervals, with RR as the primary driver. The diastolic interval showed near-synchrony with RR, while QT responded to RR interval changes with an average delay of 10.5s, and the systolic interval responded more slowly, with an average delay of 28.3s. We examined QT-RR, systolic-RR, and diastolic-RR hysteresis, finding narrower loops for diastolic RR and wider loops for systolic RR. Significant correlations (average:0.75) were found between heart rate changes and hysteresis loop areas, suggesting the equivalent circular area diameter as a promising biomarker for cardiac function under exercise stress. Deep learning models, including Long Short-Term Memory and Convolutional Neural Networks, estimated the QT, systolic, and diastolic intervals from RR data, confirming the nonlinear relationship between RR and other intervals. Findings highlight a significant cardiac memory effect, linking ECG and PCG morphology and timing to heart rate history.
• Abstract（参考訳）: 心臓血管疾患は、心臓の電気的機能と機械的機能の両方を評価する複数のモダリティを用いて診断される。 有効ではあるが、心エコー法や核画像法のような画像技術は高価であり、広くは利用できない。 同時心電図(ECG)や超音波心電図(PCG)のようなより安価な技術は、電気機械的カップリングに関する貴重な洞察を与え、低リソース環境での事前スクリーニングに役立つ可能性がある。 健常男性23名(25.4+/-1.9yrs)から収集したEPHNOGRAM ECG-PCGデータセットの物理的ストレステストデータを用いて,運動中の電気機械間隔(RR, QT, シストリック, ジアストリック)とその相互作用と,心臓の電気活動と機械的反応のヒステリシスについて検討した。 時間遅延解析により,QT,収縮,拡張期間隔の時間的関係が明らかになり,RRが第一ドライバーとなった。 拡張期間隔はRRとほぼ同期し,QTはRR間隔の変化に平均10.5秒で反応し,収縮期間隔は平均28.3秒でより緩やかに反応した。 われわれはQT-RR, systolic-RR, diastolic-RR hysteresisを検討した。 心拍変動とヒステリシスループ領域の間に有意な相関関係(平均0.75)がみられ、運動負荷下での心臓機能に対する有望なバイオマーカーとして等価な円形領域径が示唆された。 長期記憶と畳み込みニューラルネットワークを含むディープラーニングモデルは、RRデータからQT、収縮、拡張間隔を推定し、RRと他の間隔の間の非線形関係を確認する。 発見は、心電図とPCGの形態と心拍数履歴のタイミングをリンクすることで、重要な心臓記憶効果を浮き彫りにする。

関連論文リスト

• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• Non-linear Analysis Based ECG Classification of Cardiovascular Disorders [2.474908349649168]
  マルチチャネル心電図に基づく心疾患の検出は、心臓ケアと治療に影響を及ぼす。 本研究では,Recurrenceプロットの可視化を利用した非線形解析手法について報告する。 QRS複合体のようなよく定義された構造のパターン化は、再帰プロットを用いて効果的に利用することができる。
  論文  参考訳（メタデータ） (2024-08-02T19:03:53Z)
• Deep Learning for Automatic Strain Quantification in Arrhythmogenic Right Ventricular Cardiomyopathy [0.0]
  CMRIによる心臓運動の定量化は、不整脈性右室心筋症(ARVC)診断の不可欠な部分である。 Inlicit Neural Representations (INR) とディープラーニングを用いた心臓運動自動評価法を開発した。 以上の結果から,スライス間アライメントと超解像ボリュームの生成と,2つの心像の同時解析が相まって,登録性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-11-24T12:55:36Z)
• A Novel Deep Learning Technique for Morphology Preserved Fetal ECG Extraction from Mother ECG using 1D-CycleGAN [3.4162369786064497]
  非侵襲性胎児心電図(fECG)は、発達中の心臓の異常を容易に検出することができる。 fECGの低振幅、系統的および周囲雑音、典型的な信号抽出法は、良好なfECGを生成できない。 本手法は1D CycleGANに基づいて,mECG信号からfECG信号を再構成する。 胎児の心拍数とR-R間隔長に対するソリューションの精度は、既存の最先端技術に匹敵するものである。
  論文  参考訳（メタデータ） (2023-09-25T19:38:51Z)
• Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach [39.36827689390718]
  逆等角問題の解法としてGeodesic-BPを提案する。 その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。 パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T14:57:12Z)
• Deep artificial neural network for prediction of atrial fibrillation through the analysis of 12-leads standard ECG [0.0]
  心房細動(Atrial Fibrillation,AF)は心臓不整脈である。 畳み込みニューラルネットワークを用いてECGを分析し,現実的なデータセットからAFを予測する。
  論文  参考訳（メタデータ） (2022-01-14T10:09:01Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Estimation of atrial fibrillation from lead-I ECGs: Comparison with cardiologists and machine learning model (CurAlive), a clinical validation study [0.0]
  本研究では,人工知能を用いた心房細動検出法を提案する。 本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
  論文  参考訳（メタデータ） (2021-04-15T12:50:16Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)

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。