Novel Metric Using Laplacian Eigenmaps to Evaluate Ischemic Stress on the Torso Surface
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The underlying pathophysiology of myocardial ischemia is incompletely understood, resulting in persistent difficulty of diagnosis. This limited understanding of underlying mechanisms encourages a data driven approach, which seeks to identify patterns in the ECG data that can be linked statistically to disease states. Laplacian Eigen-maps (LE) is a dimensionality reduction method popularized in machine learning that we have shown in large animal experiments to identify underlying ischemic stress both earlier in an ischemic episode, and more robustly, than typical clinical markers. We have now extended this approach to body surface potential mapping (BSPM) recordings acquired during acute, transient ischemia episodes from animal and human PTCA studies. Our previous studies, suggest that the LE approach is sensitive to the spatiotemporal electrocardiographic consequences of ischemia-induced stress within the heart and on the epicardial surface. In this study, we expand this technique to the body surface of animals and humans. Across 10 episodes of induced ischemia in animals and 200 human recordings during PTCA, the LE algorithm was able to detect ischemic events from BSPM as changes in the morphology of the resulting trajectories while maintaining the superior temporal performance the LE-metric has shown previously.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle