文献

J-GLOBAL ID：202202266505430704   整理番号：22A1036732

機械学習下の心房細動患者のドップラー超音波画像の分類と認識【JST・京大機械翻訳】

Classification and Recognition of Doppler Ultrasound Images of Patients with Atrial Fibrillation under Machine Learning

著者 (6件)： Wang Xiaoyuan (Department of Cardiovascular Medicine, The First Affiliated Hospital of Hebei North University, Zhangjiakou 075000, Hebei, China) ,  Du Meiling (Department of Cardiovascular Medicine, The First Affiliated Hospital of Hebei North University, Zhangjiakou 075000, Hebei, China) ,  Zhang Aiai (Department of Cardiovascular Medicine, The First Affiliated Hospital of Hebei North University, Zhangjiakou 075000, Hebei, China) ,  Li Feixing (Department of Cardiovascular Medicine, The First Affiliated Hospital of Hebei North University, Zhangjiakou 075000, Hebei, China) ,  Yi Mengyang (Department of Cardiovascular Medicine, The First Affiliated Hospital of Hebei North University, Zhangjiakou 075000, Hebei, China) ,  Li Fangjiang (Department of Cardiovascular Medicine, The First Affiliated Hospital of Hebei North University, Zhangjiakou 075000, Hebei, China)
資料名： Scientific Programming  (Scientific Programming)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W0689A  ISSN： 1058-9244  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本研究は,心房細動患者の心臓超音波画像の分類と認識におけるツインニューラルネットワークモデルの価値を調査することを目的とした。心臓心房細動の80人の患者を選択し,ランダムに実験群(40例)と対照群(40例)に分けた。ツインニューラルネットワーク(TNN)モデルを従来の超音波,ドップラースペクトル,組織速度,および歪イメージング技術と結合して,患者の心臓構造パラメータを得て,関連指標を分析し比較した。その結果,実験群の総心房排出分画(TA-EF値)は53.08%であり,対照群([数式:原文を参照])より有意に低かった。2群間で左房径(LAD),左室拡張末期径(LVEDD),左心房最大容積(LAVmax)および左室駆出率(LVEF)に有意差はみられなかった。実験群において,僧帽弁輪(Em)の平均ピーク速度は8.49cm/sであり,側壁収縮期(Vs)のピーク速度は6.82cm/sであり,左室血流(Vp)の伝播速度は51.2cm/sであり,それは有意に減少した([数式:原文を参照])。実験群の中間および上部左心房におけるピーク歪の平均値は,対照群([数式:原文を参照])のそれらより有意に低かった。TNNモデルの組合せ使用は,超音波画像を正確に,迅速に分類し,認識できると結論した。Copyright 2022 Xiaoyuan Wang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *超音波 ,  心臓 ,  血流 ,  *心房 ,  *心房細動 ,  直径 ,  期間 ,  *超音波画像 ,  指標 ,  *機械学習 ,  左室駆出率
準シソーラス用語： 収縮期 ,  左心室 ,  左心房 ,  僧帽弁輪 ,  左室拡張末期径 ,  左房径 , 【Automatic Indexing@JST】

分類 (2件)： 循環系疾患の治療一般  (GJ05010B) ,  循環系の疾患  (GJ03000C)

引用文献 (26件)：

• K. Karamchandani, A. K. Khanna, S. Bose, R. J. Fernando, A. J. Walkey, "Atrial fibrillation," Anesthesia & Analgesia, vol. 130, no. 1, pp. 2-13, 2020.
• E. Achkasov, S. Bondarev, V. Smirnov, Z. Waśkiewicz, T. Rosemann, P. T. Nikolaidis, B. Knechtle, "Atrial fibrillation in athletes-features of development, current approaches to the treatment, and prevention of complications," International Journal of Environmental Research and Public Health, vol. 16, no. 24, pp. 4890, 2019.
• C. E. E. d. Prazeres, T. A. Magalhães, A. C. de Castro Carneiro, R. C. Cury, V. de Melo Moreira, J. H. S. M. Bello, C. E. Rochitte, "Image quality and radiation exposure Comparison of a double high-pitch acquisition for coronary computed tomography angiography versus standard retrospective spiral acquisition in patients with atrial fibrillation," Journal of Computer Assisted Tomography, vol. 42, no. 1, pp. 45-53, 2018.
• V. Ruddox, I. Sandven, J. Munkhaugen, J. Skattebu, T. Edvardsen, J. E. Otterstad, "Atrial fibrillation and the risk for myocardial infarction, all-cause mortality and heart failure: a systematic review and meta-analysis," European Journal of Preventive Cardiology, vol. 24, no. 14, pp. 1555-1566, 2017.
• X. Zhang, H. Shen, Z. Lv, "Deployment optimization of multi-stage investment portfolio service and hybrid intelligent algorithm under edge computing," PLoS One, vol. 16, no. 6, 2021.

タイトルに関連する用語 (5件)： 機械学習 ,  心房細動 ,  患者 ,  超音波画像 ,  分類