In vitro and in vivo low frequency acoustic analysis of Bjork-Shiley convexo-concave heart valve opening sounds
Notice bibliographique
Résumé
A pattern recognition method using diagnostic features from the low frequency spectra of Bjork-Shiley convexo concave (BSCC) valve opening sounds was tested for differentiating intact valves from those having a single leg separation (SLS) of the outlet strut. The method was applied to valve opening sounds obtained from a pulse duplicator system (6 intact and 6 SLS valves) and recorded in sheep (11 intact and 16 SLS valves). A total of 30 opening sounds were analyzed for each sheep and 10 opening sounds for each pulse duplicator test. For each valve, 21 diagnostic features were extracted from the mean power spectrum of the opening sounds for training and testing the K-nearest neighbor and the Bayes classifiers. All combinations of 1, 2, 3 and 4 features among 21 were evaluated to find the most discriminant feature sets. For the in vitro study, 100% of correct classifications (CCs) was obtained with several feature sets and either classifier. For the sheep study, 93% of CCs was obtained with two feature sets and the Bayes classifier. The feature set that could best classify both in-vivo and in-vitro valve opening sound spectra provided 82% of CCs. The in vitro and in vivo studies thus demonstrated that the low frequency analysis of BSCC opening sounds is a promising method of detecting SLS of BSCC mitral valves.>
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».