文献

J-GLOBAL ID：202002217329160495   整理番号：20A2451896

12誘導心電図を用いた心室頻拍の起源を局在化するためのハイブリッド機械学習アプローチ【JST・京大機械翻訳】

A hybrid machine learning approach to localizing the origin of ventricular tachycardia using 12-lead electrocardiograms

著者 (13件)： Missel Ryan (College of Computing and Information Sciences, Rochester Institute of Technology, Rochester, NY, USA) ,  Gyawali Prashnna K. (College of Computing and Information Sciences, Rochester Institute of Technology, Rochester, NY, USA) ,  Murkute Jaideep Vitthal (College of Computing and Information Sciences, Rochester Institute of Technology, Rochester, NY, USA) ,  Li Zhiyuan (College of Computing and Information Sciences, Rochester Institute of Technology, Rochester, NY, USA) ,  Zhou Shijie (Department of Medicine, QEII Health Sciences Centre, Halifax, NS, Canada) ,  Zhou Shijie (Alliance for Cardiovascular Diagnostic and Treatment Innovation, Institute of Computational Medicine, Johns Hopkins University, Baltimore, MD, USA) ,  Zhou Shijie (Department of Biomedical Engineering, Johns Hopkins University, Baltimore, MD, USA) ,  AbdelWahab Amir (Department of Medicine, QEII Health Sciences Centre, Halifax, NS, Canada) ,  Davis Jason (Department of Medicine, QEII Health Sciences Centre, Halifax, NS, Canada) ,  Warren James (Department of Physiology and Biophysics, Dalhousie University, Halifax, NS, Canada) ,  Sapp John L. (Department of Medicine, QEII Health Sciences Centre, Halifax, NS, Canada) ,  Sapp John L. (Department of Physiology and Biophysics, Dalhousie University, Halifax, NS, Canada) ,  Wang Linwei (College of Computing and Information Sciences, Rochester Institute of Technology, Rochester, NY, USA)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 126  ページ： Null  発行年： 2020年 
JST資料番号： E0858A  ISSN： 0010-4825  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： 機械学習モデルは,12誘導心電図を用いて心室頻拍(VT)の起源の部位を局所化するのに役立つ可能性がある。しかし,集団ベースモデルはECGデータ内の被験者間解剖学的変動に悩まし,一方,患者特異的モデルは訓練のためにどのペーシングデータを収集するかの未解決の課題に直面している。本研究は,迅速「コンピュータ誘導ペースマッピング」のための集団と患者特異的機械学習を組み合わせた最初のハイブリッドモデルを提示し,検証した。集団ベースの深層学習モデルを,最初にオフラインで訓練し,被験者間変動を解き,VT起源の場所を地域化した。標的VTを有する新規患者を考えると,オンライン患者特異的モデルを,集団ベース予測により初期化した後,次に,次のようにペースをペースし,各追加ペーシングデータによる予測を改善し,VT起源の部位に向けてペースマッピングを次第に誘導する,リアルタイムに構築した。集団モデルを38人の患者からペースマッピングデータで訓練し,患者特異的モデルを1人の患者で調整した。結果:得られたハイブリッドモデルを,1)193のLV心内膜ペーシング部位と,2)臨床的に決定された出口部位を有する9つのVTsにおける8人の患者の別のコホートで試験した。ハイブリッドモデルは,LVペーシング部位を局在化する際に5.4±2.5ペーシング部位を用いて5.3±2.6mmの局在化誤差を達成し,活性誘導のないモデルと比較して,有意に小さな量の訓練部位で有意に高い精度を達成した。提示したハイブリッドモデルは,VTにおける介入標的の迅速なペースマッピングを支援する可能性を有する。Copyright 2020 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： *心電図 ,  解剖学 ,  母集団 ,  心内膜 ,  コンピュータ ,  *機械学習 ,  *心室頻拍
準シソーラス用語： 被験者 ,  ペーシング ,  ハイブリッドモデル ,  オンライン , 【Automatic Indexing@JST】

著者キーワード (5件)： 心室頻拍 ,  心電図 ,  もつれた表現学習 ,  アクティブ学習 ,  ペースマッピング

分類 (1件)： 循環系の疾患  (GJ03000C)

タイトルに関連する用語 (5件)： 12誘導心電図 ,  心室頻拍 ,  起源 ,  局在化 ,  機械学習