単一リード心電図を用いた心不全等級づけ【JST・京大機械翻訳】

Hasumi, E.; Fujiu, K.; Chen, Y.; Shimizu, Y.; Oshima, T.; Matsunaga, H.; Matsuda, J.; Matsubara, T. J.; Fukuma, N.; Yuxiang, L.; Sugita, J.; Nakayama, Y.; Saga, A.; Oguri, G.; Kojima, T.; Maru, Y.; Shoda, M.; Komuro, I.

プレプリント

J-GLOBAL ID：202202212542153352 整理番号：22P0270717

単一リード心電図を用いた心不全等級づけ【JST・京大機械翻訳】

Heart failure grading using single-lead electrocardiography

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (18件)： , , , , , , , , , , , , , , , , ,
資料名：
発行年： 2020年10月13日プレプリントサーバーでの情報更新日： 2020年10月13日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

心電図(ECG)に適用した畳込みニューラルネットワーク(CNN)は,左室(LV)機能不全1の検出に有用である。減少したLV駆出率(rEF)の早期検出は,rEF(HFrEF)による心不全(HF)の取扱いを改善することができたが,保存されたEF(HFpEF)でHFを検出するのは十分ではない。ここでは,EFに関係なく,単一誘導ECGデータに基づくHFの重症度を分類するCNNアルゴリズムを開発した。方法:HFの7,865人の患者からのECGデータとHF分類を用いてCNNを訓練した。CNNは,健常対照者から種々の重症度のHF患者を区別するために,0.996の受信者動作特性曲線(AUC)の下で領域を達成した。HFの早期検出とHF患者の治療管理は,このCNNを単一リードECGデバイスで採用することにより改善できると予想される。【JST・京大機械翻訳】

, , , , ,
, , , , , , , 【Automatic Indexing@JST】

循環系の疾患

, , ,

前のページに戻る