心房細動のモデルにおける電気記象からのリエントリードライバの位置決めのための機械学習法【JST・京大機械翻訳】

McGillivray Max Falkenberg; Cheng William; Peters Nicholas S.; Christensen Kim

プレプリント

J-GLOBAL ID：202202213612994720 整理番号：22P0042610

心房細動のモデルにおける電気記象からのリエントリードライバの位置決めのための機械学習法【JST・京大機械翻訳】

Machine learning methods for locating re-entrant drivers from electrograms in a model of atrial fibrillation

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 (4件)： , , ,
資料名：
発行年： 2017年10月23日プレプリントサーバーでの情報更新日： 2017年10月23日
JST資料番号： O7000B 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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

マッピング解像度は,心房細動のドライバーを成功裏に位置決めする重要な限界として最近同定されている。心房細動の簡単な細胞オートマトンモデルを用いて,著者らは,間接的心電図測定の収集を用いて,リエントラント運転者が迅速かつ正確に位置決めできる方法を示した。提案方法は,リエントラントドライバからの電図記録の変位と特性電図勾配を相関づけるために,ボックス機械学習アルゴリズムから単純である。このような方法は,電気的活性における局所変動にそれほど敏感ではない。結果として,この方法は,心房細動の2つのドライバーを含む組織において,単一運転者を含む組織での運転者の95.4%と,第1(第2)運転者の94.8%(92.5%)を,首尾よく位置決めする。さらに,この技法が任意の数の運転者を持つ組織に適用できるかを示した。臨床診療での使用のための技術の拡張は,限られたマッピング解像度から生じる現在のアブレーション技術の限界を軽減することができた。【JST・京大機械翻訳】

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

生体計測 , 運転者

, , ,

前のページに戻る