MétaCan
Menu
Retour à la cohorte
Enregistrement W2548967474 · doi:10.1109/ccece.2016.7726764

Modified maximum time difference intracardiac conduction velocity estimation

2016· article· en· W2548967474 sur OpenAlexaff
Mohammad Hassan Shariat, Saeed Gazor, Damian Redfearn

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueECG Monitoring and Analysis
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésIntracardiac injectionWavefrontMathematicsAlgorithmComputer scienceControl theory (sociology)PhysicsMedicineArtificial intelligenceCardiologyOptics

Résumé

récupéré en direct d'OpenAlex

The cardiac conduction velocity vector (VV) at a desired point in any chamber of the heart can be estimated by processing the local intracardiac electrograms, i.e., the activation times (ATs) and the locations of the recording catheter's electrodes can be used for the VV estimation. In this paper, we modify the maximum time difference (MTD) method, which is a simple computational efficient cardiac VV estimation approach. In the MTD, first, the ATs of the electrograms are extracted, and the corresponding wavefronts are estimated. For each wavefront, the VV is estimated as the vector connecting the first to the last activated electrodes of the catheter divided by the time duration between the activation of those two electrodes. In the proposed modified MTD (MMTD) approach, which is slightly more computationally complex than the MTD, we divide the ATs of each considered wavefront into two groups, such that one group contains the electrodes with early activations, and the other contains those with late activations. We properly assign a time value and a location value to these groups and follow the same procedure as the MTD method to estimate the VV using the assigned values. Using synthetic data, we show that the proposed MMTD improves the quality of the cardiac conduction VV estimation of the MTD method, i.e., the MMTD is more robust to the AT estimation error and is able to determine the VV of the planar wavefronts more accurately.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,647
Score d'incertitude au seuil0,316

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,022
Tête enseignante GPT0,270
Écart entre enseignants0,248 · 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'étudeAutre devis
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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetECG Monitoring and AnalysisTravaux en français237 207