MétaCan
Menu
Retour à la cohorte
Enregistrement W4310676773 · doi:10.3390/app122312342

Expert System and Decision Support System for Electrocardiogram Interpretation and Diagnosis: Review, Challenges and Research Directions

2022· article· en· W4310676773 sur OpenAlexaff
Kayode S. Adewole, Hammed A. Mojeed, James Ayodele Ogunmodede, Lubna A. Gabralla, Nasir Faruk, Abubakar Abdulkarim, Ifada Emmanuel, Yusuf Y. Folawiyo, Lukman A. Olawoyin, Ismaeel A. Sikiru, Musa Nehemiah, Abdulsalam Ya’u Gital, Haruna Chiroma

Notice bibliographique

RevueApplied Sciences · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueECG Monitoring and Analysis
Établissements canadiensMcGill University
Organismes subventionnairesPrincess Nourah Bint Abdulrahman University
Mots-clésComputer scienceDecision support systemInterpretation (philosophy)Expert systemDomain (mathematical analysis)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

Electrocardiography (ECG) is one of the most widely used recordings in clinical medicine. ECG deals with the recording of electrical activity that is generated by the heart through the surface of the body. The electrical activity generated by the heart is measured using electrodes that are attached to the body surface. The use of ECG in the diagnosis and management of cardiovascular disease (CVD) has been in existence for over a decade, and research in this domain has recently attracted large attention. Along this line, an expert system (ES) and decision support system (DSS) have been developed for ECG interpretation and diagnosis. However, despite the availability of a lot of literature, access to recent and more comprehensive review papers on this subject is still a challenge. This paper presents a comprehensive review of the application of ES and DSS for ECG interpretation and diagnosis. Researchers have proposed a number of features and methods for ES and DSS development that can be used to monitor a patient’s health condition through ECG recordings. In this paper, a taxonomy of the features and methods for ECG interpretation and diagnosis were presented. The significance of the features and methods, as well as their limitations, were analyzed. This review further presents interesting theoretical concepts in this domain, as well as identifies challenges and open research issues on ES and DSS development for ECG interpretation and diagnosis that require substantial research effort. In conclusion, this paper identifies important future research areas with the purpose of advancing the development of ES and DSS for ECG interpretation and diagnosis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,062
Tête enseignante GPT0,379
Écart entre enseignants0,318 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetECG Monitoring and AnalysisTravaux en français237 207