文献

J-GLOBAL ID：201802220722408465   整理番号：18A2217789

駆出率保持による心不全の診断:左心室変形における時空間変動の機械学習【JST・京大機械翻訳】

Diagnosis of Heart Failure With Preserved Ejection Fraction: Machine Learning of Spatiotemporal Variations in Left Ventricular Deformation

著者 (9件)： Tabassian Mahdi (Cardiovascular Imaging and Dynamics, Department of Cardiovascular Sciences, KU Leuven, Leuven, Belgium) ,  Sunderji Imran (Wales Heart Research Institute, Cardiff University, Cardiff, United Kingdom) ,  Erdei Tamas (Wales Heart Research Institute, Cardiff University, Cardiff, United Kingdom) ,  Sanchez-Martinez Sergio (Department of Information and Communication Technologies, Universitat Pompeu Fabra, Barcelona, Spain) ,  Degiovanni Anna (Department of Cardiology, University of Eastern Piedmont, Novara, Italy) ,  Marino Paolo (Department of Cardiology, University of Eastern Piedmont, Novara, Italy) ,  Fraser Alan G. (Cardiovascular Imaging and Dynamics, Department of Cardiovascular Sciences, KU Leuven, Leuven, Belgium) ,  Fraser Alan G. (Wales Heart Research Institute, Cardiff University, Cardiff, United Kingdom) ,  D’hooge Jan (Cardiovascular Imaging and Dynamics, Department of Cardiovascular Sciences, KU Leuven, Leuven, Belgium)
資料名： Journal of the American Society of Echocardiography  (Journal of the American Society of Echocardiography)
巻： 31  号： 12  ページ： 1272-1284.e9  発行年： 2018年 
JST資料番号： T0808A  ISSN： 0894-7317  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ストレス試験は,保存された駆出分画(HFpEF)による心不全の診断を助けるが,左心室(LV)機能的保存を定量化するための確立された基準はない。本研究の目的は,安静時およびストレス時の心臓周期を通してのLV長軸心筋運動および変形のタイミングおよび振幅の包括的解析が,標準測定よりもより有益な基準を提供できるかどうかを検討することであった。HFpEFおよび健常,高血圧,および息切れのない対照被験者を含む,69±7歳の100人の被験者において,安静時および半回自転車運動中の全18LVセグメントから,速度,歪および歪速度トレースを測定した。教師なし統計法と教師つき分類器から成る機械学習アルゴリズムを用いて,トレースの空間時間パターンをモデル化し,予測ラベルを臨床診断と比較した。学習された歪速度パラメータは,被験者を4つの群(全体的,57%;HFpEFを有する患者,81%),および2つのクラス(無症候性対症候群,0.89;精度,85%;感度,86%;特異性,82%)に最も高い精度を与えた。標準測定と比較して,歪速度の機械学習は,速度を用いた+11%(P<.0001)および歪を用いた+4%(P<.05)と比較して,2クラス作業(+23%,P<.0001)に対する精度において最大の改善を与えた。また,歪速度は独立参照基準として6分歩行距離の予測において最良であった。安静時と運動時のLV歪速度の時空間変動の機械学習はHFpEF患者を同定し,診断分類のための客観的基礎を提供するために用いることができた。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 安静 ,  予測 ,  心筋 ,  学習アルゴリズム ,  負荷試験 ,  歪速度 ,  *診断 ,  モデリング ,  *機械学習 ,  *心不全 ,  高血圧症
準シソーラス用語： 特異性 ,  被験者 ,  *左心室 ,  *駆出率 , 【Automatic Indexing@JST】

著者キーワード (5件)： HFPEF ,  拡張期ストレス試験 ,  歪速度 ,  時空間安静運動モデリング ,  機械学習

分類 (1件)： 循環系の診断  (GJ02000V)

タイトルに関連する用語 (6件)： 駆出率 ,  心不全 ,  診断 ,  左心室 ,  時空間変動 ,  機械学習