Automatic muscle impedance and nerve analyzer (AMINA) as a novel approach for classifying bioimpedance signals in intraoperative pelvic neuromonitoring
Notice bibliographique
Résumé
Abstract Frequent complications arising from low anterior resections include urinary and fecal incontinence, as well as sexual disorders, which are commonly associated with damage to the pelvic autonomic nerves during surgery. To assist the surgeon in preserving pelvic autonomic nerves, a novel approach for intraoperative pelvic neuromonitoring was investigated that is based on impedance measurements of the innervated organs. The objective of this work was to develop an algorithm called AMINA to classify the bioimpedance signals, with the goal of facilitating signal interpretation for the surgeon. Thirty patients included in a clinical investigation underwent nerve-preserving robotic rectal surgery using intraoperative pelvic neuromonitoring. Contraction of the urinary bladder and/or rectum, triggered by direct stimulation of the innervating nerves, resulted in a change in tissue impedance signal, allowing the nerves to be identified and preserved. Impedance signal characteristics in the time domain and the time–frequency domain were calculated and classified to develop the AMINA. Stimulation-induced positive impedance changes were statistically significantly different from negative stimulation responses by the percent amplitude of impedance change Amax in the time domain. Positive impedance changes and artifacts were distinguished by classifying wavelet scales resulting from peak detection in the continuous wavelet transform scalogram, which allowed implementation of a decision tree underlying the AMINA. The sensitivity of the software-based signal evaluation by the AMINA was 96.3%, whereas its specificity was 91.2%. This approach streamlines and automates the interpretation of impedance signals during intraoperative pelvic neuromonitoring.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».