Automatic Annotation of Seismocardiogram With High-Frequency Precordial Accelerations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Seismocardiogram (SCG) is the low-frequency vibrations signal recorded from the chest using accelerometers. Peaks on dorsoventral and sternal SCG correspond to specific cardiac events. Prior research work has shown the potential of extracting such peaks for various types of monitoring and diagnosis applications. However, annotation of these peaks is not a trivial task and complicated in some subjects. In this paper, an automated method is proposed to annotate these peaks. The high-frequency accelerations obtained from the same accelerometer, used to record SCG with, were used to facilitate the annotation of the SCG. Algorithms were developed for detection of isovolumic moment (IM) and aortic valve closure (AC) points of SCG. Four different envelope calculation methods were used: cardiac sound characteristic waveform (CSCW), Shannon, absolute, and Hilbert. The algorithms were evaluated based on a dataset including 18 subjects undergoing lower body negative pressure and were further tested with another dataset, which included 67 subjects. These datasets had been previously manually annotated. The algorithm based on CSCW envelope calculation produced the highest detection accuracy for both IM and AC. The overall CSCW algorithm detection accuracy for the test dataset was 98.7% and 99.1% for the IM and AC points, respectively.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 |
| 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) | 0,000 | 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 découle