MétaCan
Menu
Retour à la cohorte
Enregistrement W2567488961 · doi:10.1172/jci.insight.90453

Identifying the third dimension in 2D fluoroscopy to create 3D cardiac maps

2016· article· en· W2567488961 sur OpenAlexfundno aff
Jasbír Sra, David Krum, Indrajit Choudhuri, Barry Belanger, Mark Palma, Donald E. Brodnick, Daniel B. Rowe

Notice bibliographique

RevueJCI Insight · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Arrhythmias and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesAurora Research Institute
Mots-clésFluoroscopyVisualizationComputer scienceImaging phantomDimension (graph theory)Set (abstract data type)MedicineAblationData miningCardiologyMathematicsNuclear medicineRadiology

Résumé

récupéré en direct d'OpenAlex

Three-dimensional cardiac mapping is important for optimal visualization of the heart during cardiac ablation for the treatment of certain arrhythmias. However, many hospitals and clinics worldwide cannot afford the high cost of the current mapping systems. We set out to determine if, using predefined algorithms, comparable 3D cardiac maps could be created by a new device that relies on data generated from single-plane fluoroscopy and patient recording and monitoring systems, without the need for costly equipment, infrastructure changes, or specialized catheters. The study included phantom and animal experiments to compare the prototype test device, Navik 3D, with the existing CARTO 3 System. The primary endpoint directly compared: (a) the 3D distance between the Navik 3D-simulated ablation location and the back-projected ground truth location of the pacing and mapping catheter electrode, and (b) the same distance for CARTO. The study's primary objective was considered met if the 95% confidence lower limit was greater than 0.75% for the Navik 3D-CARTO difference between the 2 distances, or less than or equal to 2 mm. Study results showed that the Navik 3D performance was equivalent to the CARTO system, and that accurate 3D cardiac maps can be created using data from equipment that already exists in all electrophysiology labs.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,277
Score d'incertitude au seuil0,933

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)0,0000,001

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 Opus0,019
Tête enseignante GPT0,286
Écart entre enseignants0,266 · 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'étudeObservationnel
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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJCI InsightMême sujetCardiac Arrhythmias and TreatmentsTravaux en français237 207