MétaCan
Menu
Retour à la cohorte
Enregistrement W1512982688 · doi:10.1109/ccece.2015.7129308

Activation detection of intracardiac electrogram during atrial fibrillation based on the variance equality test

2015· article· en· W1512982688 sur OpenAlexaff
Mohammad Hassan Shariat, Javad Hashemi, Saeed Gazor, Damian Redfearn

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueECG Monitoring and Analysis
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésPreprocessorIntracardiac injectionAtrial fibrillationVariance (accounting)Interval (graph theory)Bounded functionComputer scienceAlgorithmDetectorCardiologyMathematicsArtificial intelligenceMedicineCombinatoricsMathematical analysisTelecommunications

Résumé

récupéré en direct d'OpenAlex

Performance of the algorithms which process intracardiac electrograms (IEGMs) highly depends on the accuracy of estimating the times that electrical waves pass the area under the electrodes. Estimating these activation times (ATs) from IEGMs during atrial fibrillation (AF) is extremely challenging as electrical activities of atria are very complex, non-stationary, and irregular. In this paper, we propose a new activation detector which is based on the test of the equality of variance of two sets of data. At any time t, we consider two sets of IEGM data: 1) data in a bounded interval around t, 2) data in bounded intervals around the first interval. We show that the activation zone can be extracted by comparing the variance of these two sets, i.e., we introduce a new preprocessing approach and show that it can effectively highlight activation zones of IEGMs. Our simulation results on bipolar atrial IEGMs gathered during AF confirm the efficiency of the proposed preprocessing method.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,171

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,031
Tête enseignante GPT0,295
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetECG Monitoring and AnalysisTravaux en français237 207