Automatic detection and classification of human epicardial atrial unipolar electrograms
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
This paper describes an unsupervised signal processing method applied to three-channel unipolar electrograms recorded from human atria. These were obtained by epicardial wires sutured on the right and left atria after coronary artery bypass surgery. Atrial (A) and ventricular (V) activations had to be detected and identified on each channel, and gathered across the channels when belonging to the same global event. The algorithm was developed and optimized on a training set of 19 recordings of 5 min. It was assessed on twenty-seven 2 h recordings taken just before the onset of a prolonged atrial fibrillation for a total of 1593697 activations that were validated and classified as normal atrial or ventricular activations (A, V) and premature atrial or ventricular activations (PAA, PVA). 99.93% of the activations were detected, and amongst these, 99.89% of the A and 99.75% of the V activations were correctly labelled. In the subset of the 39705 PAA, 99.83% were detected and 99.3% were correctly classified as A. The false positive rate was 0.37%. In conclusion, a reliable fully automatic detection and classification algorithm was developed that can detect and discriminate A and V activations from atrial recordings. It can provide the time series needed to develop a monitoring system aiming to identify dynamic predictors of forthcoming cardiac events such as postoperative atrial fibrillation.
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 | 0,000 | 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