Abstract 14725: Image-based Virtual-heart Predictions Co-localize With ECG-based Automated Localization of Scar-related Ventricular Tachycardias
Notice bibliographique
Résumé
Introduction: We previously developed an LGE-MRI-based virtual-heart arrhythmia ablation targeting (VAAT) methodology to non-invasively determine potential ablation targets for infarct-related VT. However, it is unknown whether VAAT’s predictions correspond with surface ECG predictions. Hypothesis: We hypothesized that the VAAT predicted VT circuits and potential ablation lesions would co-localize with ECG-based VT-exit predictions from a previously validated population-derived automated VT exit localization (PAVEL) system. Methods: We retrospectively enrolled 5 post-infarct patients who underwent LV endocardial VT ablation and had pre-procedural 2D LGE-MRIs. The PAVEL system based on a population-derived statistical method was used to localize VT-exit sites onto one of 238 triangles on the patient-specific virtual-heart LV endocardial surface using 8 independent ECG leads (I, II, V1-V6). The VAAT methodology incorporating patient-specific scar and infarct border zone distributions was used to identify potential VT circuits and find ablation lesions. Results: Eleven induced VTs were analyzed. Ten VT-exit sites were localized onto the patient-specific virtual-heart LV endocardial surface by the PAVEL system, and were used for the comparisons. One VT-exit site was too basal to be localized onto the virtual-heart geometry. The spatial resolution of the 10 predicted VT-exit sites was 13.8 ± 1.8 mm. VAAT-predicted VT circuits and ablation lesions correlated well with all 10 predicted VT-exit sites. Lastly, VAAT ablation lesions fell within the regions ablated clinically. Conclusions: The VAAT-predicted VT circuits and ablation lesions matched VT-exit sites predicted by the surface ECG-based PAVEL system. Combining these two complementary technologies may improve accuracy for non-invasively identifying optimal ablation targets to increase ablation efficacy.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».