Morphologically constrained adaptive signal decompositions in studying ventricular arrhythmias
Notice bibliographique
Résumé
Ventricular fibrillation (VF) is one of the major causes for sudden cardiac deaths (SCD). The duration from the onset of VF to SCD is a few minutes, making it difficult to study VF. This dissertation proposes methods to extract meaningful information from VF electrograms and formulate associations to underlying structural and physiological properties of the cardiac tissue and clinical events of interest during VF. This was achieved by analyzing clues in the electrograms during VF to infer the underlying anatomical and physiological properties of the cardiac tissue and certain clinical events of interest, which is otherwise not easily available. The proposed methods will be of great assistance for the diagnosis and treatment planning of cardiac arrhythmias. The proposed adaptive time-frequency (TF) signal decomposition was separated into two categories based on two purposes: (1) Time-specific event detection and (2) Time-averaged VA characterization. For the time-specific event detection (in this work rotor detection), electrogram signal features related to the rotor event were identified with an adaptive TF decomposition and amodified criterion function. Using the proposed features and a linear discriminant analysis based classifier with leave-one-out cross validation, overall classification accuracies of 80.77% and 79.41% were achieved in detecting rotor events and separating them from similar but non-rotor events. In the time-averaged ventricular arrhythmia characterization, previously established signal features were used to associate electrogram clues to the structural and physiological characteristics of the cardiac tissue. Using label-consistent K-means singular value decomposition dictionary learning process, dictionaries of TF basis functions were generated to capture specific electric structures and physiological characteristics of the underlying cardiac tissue. The association of these characteristics with the extracted electrogram clues were validated using a cross-validation technique. The cross-validated results ranged from 65.58% to 81.80% for the 7 characteristics used in this study. Further to this, to build a decision-support system with non-linear separable capabilities that could automate and infer the heart events and/or characteristics from the identified electrogram signal structures, neural network models were generated. The cross-validated accuracies ranged from 66.99% to 85.90% for each of the developed models for the decision-support system.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».