MétaCan
Menu
Retour à la cohorte
Enregistrement W2171373312 · doi:10.1109/tbme.2008.2006031

Spatiotemporal Frequency Analysis of Ventricular Fibrillation in Explanted Human Hearts

2008· article· en· W2171373312 sur OpenAlexaff
Karthikeyan Umapathy, Stéphane Massé, Elias Sevaptsidis, John Asta, Sridhar Krishnan, Kumaraswamy Nanthakumar

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac electrophysiology and arrhythmias
Établissements canadiensToronto Metropolitan UniversityToronto General Hospital
Organismes subventionnairesnon disponible
Mots-clésVentricular fibrillationSpectral analysisFibrillationWaveformFrequency analysisCardiologyTime–frequency analysisProcess (computing)ElectrocardiographyInternal medicineComputer scienceBiomedical engineeringPhysicsMedicineVoltageAtrial fibrillationAlgorithmEngineeringTelecommunicationsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Ventricular fibrillation (VF) is a medical condition that occurs due to rapid and irregular electrical activity of heart. If undiagnosed or untreated, VF leads to sudden cardiac death. VF has been studied by researchers for over 100 years to elucidate the mechanism that maintains VF, and thus to arrive at therapeutic options. VF is a nonstationary process, and it manifests into variations in the waveform morphology, phase, and frequency dynamics of the surface electrograms. Dominant frequency analysis (DF maps) and phase maps are two widely used complementary approaches in assessing the evolution of VF process. These techniques are applied to electrograms or fluorescence signals obtained with voltage-sensitive dyes. In spite of VF being a nonstationary process, most of the existing literature limits frequency analysis to a segmented, time-averaged spectral analysis, where valuable information on the instantaneous temporal evolution of the spectral characteristics is lost. In order to resolve this issue, in this paper, we present a joint time-frequency approach that is suited for VF analysis and demonstrate the application of instantaneous mean frequency (IMF) in interpreting VF episodes. Human VF sources are rarely anatomically stable and are migratory. Traditional DF techniques fail in tracking this migratory behavior. IMF, on the other hand, can deal with these migratory sources and conduction blocks better than DF approaches. Results of the analysis using the electrograms of 204 VF segments obtained from 13 isolated human hearts (explanted during cardiac transplantation) indicate that in 81% of the VF segments, there were significant changes in the spatiotemporal evolution of the frequency, suggesting that IMF provides better mechanistic insight of these signals. The IMF tool presented in this paper demonstrates potential for applications in tracking frequency patterns, conduction blocks, and arriving at newer therapies to modulate VF.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,517
Score d'incertitude au seuil0,374

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,012
Tête enseignante GPT0,243
Écart entre enseignants0,231 · 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'étudeSimulation ou modélisation
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

Citations32
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetCardiac electrophysiology and arrhythmiasTravaux en français237 207