Tracking Rotors With Minimal Electrodes
Notice bibliographique
Résumé
BACKGROUND: High-frequency periodic sources during cardiac fibrillation can be detected by phase mapping techniques. To enable practical therapeutic options for modulating periodic sources (existing techniques require high density multielectrode arrays and real time simultaneous mapping capability), a method to identify electrogram morphologies colocalizing to rotors that can be implemented on few electrograms needs to be devised. METHOD AND RESULTS: Multichannel ventricular fibrillation electrogram data from 7 isolated human hearts using Langendorff setup and intraoperative clinical data from 2 human hearts were included in the analysis. The spatial locations of rotors were identified using phase maps constructed from 112 electrograms. Electrograms were analyzed for repeating patterns and discriminating signal morphologies around the locations of rotors and nonrotors were identified and quantified. Features were extracted from the unipolar electrogram patterns, which corroborated well with the spatial location of rotors. The results suggest that using the proposed modulation index feature, and as low as 1 sample point in the vicinity of the rotors, an accuracy as high as 86% (P<0.001) was obtained in separating rotor locations versus nonrotor locations. The analysis of bipolar electrogram signatures in the vicinity of the rotor locations suggest that 62.5% of the rotors occur at locations where the bipolar electrogram demonstrates continuous activities during ventricular fibrillation. CONCLUSIONS: Unipolar electrogram extracted modulation index-based detection of rotors is feasible with few electrodes and has greater detection rate than bipolar approach. This strategy may be suitable for nonarray-based single mapping catheter enabled detection of rotors.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».