A novel software program for detection of potential air emboli during cardiac surgery
Notice bibliographique
Résumé
BACKGROUND: Risks associated with air emboli introduced during cardiac surgery have been highlighted by reports of postoperative neuropsychological dysfunction, myocardial dysfunction, and mortality. Presently, there are no standard effective methods for quantifying potential emboli in the bloodstream during cardiac surgery. Our objective was to develop software that can automatically detect and quantify air bubbles within the ascending aorta and/or cardiac chambers during cardiac surgery in real time. FINDINGS: We created a software algorithm ("Detection of Emboli using Transesophageal Echocardiography for Counting, Total volume, and Size estimation", or DETECTS™) to identify and measure potential emboli present during cardiac surgery using two-dimensional ultrasound. An in vitro experiment was used to validate the accuracy of DETECTS™ at identifying and measuring air emboli. An experimental rig was built to correlate the ultrasound images to high definition camera images of air bubbles created in water by an automatic bubbler system. There was a correlation between true bubble size and the size reported by DETECTS™ in our in vitro experiment (r = 0.76). We also tested DETECTS™ using TEE images obtained during cardiac surgery, and provide visualization of the software interface. CONCLUSIONS: While monitoring the heart during cardiac surgery using existing ultrasound technology and DETECTS™, the operative team can obtain real-time data on the number and volume of potential air emboli. This system will potentially allow de-airing techniques to be evaluated and improved upon. This could lead to reduced air in the cardiac chambers after cardiopulmonary bypass, possibly reducing the risk of neurological dysfunction following cardiac surgery.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».