Neue analytische screening-tools für die Erkennung von Herz-Kreislauf-Erkrankungen

Die Echokardiographie ist ein test, der verwendet Ultraschall-Techniken zur Erzeugung von Bildern des Herzens in Echtzeit. Stress-Echokardiographie diese Technik verwendet, um zu bewerten, die Herzfrequenz-Reaktion, während der Ausführung einer Tätigkeit, in denen das Herz hat zu arbeiten (stress). Stress-Echokardiographie kann zeigen Spuren von Herz-Kreislauf-Erkrankung in den frühen Stadien, bevor es sich manifestiert, und so diese Technik wird eine wertvolle screening-tool.

Ein Protokoll, stress-Echokardiographie, die bewiesen hat, haben Vorteile in der klinischen Praxis erhalten, während der Ausführung Griff übungen. Allerdings ist die maximale übung Ebenen sind nicht leicht zu quantifizieren und geregelt, dass die Analyse der kompletten Daten-Sequenzen (mehrere tausend Bilder), die eine Herausforderung für den Kliniker.

Ein analytischer Rahmen vorgeschlagen, dass explizit adressiert die praktischen Herausforderungen, die sich durch die Analyse von tausenden von vollständigen Daten und verdeutlicht das Potenzial Ihrer Studie auf eine spezifische Gruppe von Herz-Patienten

Eine Studie, veröffentlicht in der Zeitschrift Medical Image Analysis, schlägt vor, einen operativen Rahmen für die Analyse dieses komplexen Datensatzes. Der Artikel wurde gerade veröffentlicht, am 6. November, in der erweiterten online-Ausgabe. In dieser Studie, die physiologische Daten Herz-Funktion sind, die durch Echokardiographie, während die Probanden führten eine Reihe von Griff-übungen. Wurden die Daten integriert, die von Mehreren Kernel-Learning (MKL).

Die Studie wurde koordiniert von Bart Bijnens (ICREA-UPF) und Gemma Piella, Forscher der Physense und SiMBioSys Forschungs-Gruppen, bzw., die gehören zu den BCN research unit MedTech in der Abteilung für Informations-und Kommunikationstechnologien (DTIC) an der UPF, die Arbeit im Bereich des maschinellen Lernens für die klinische Entscheidungsfindung. Mariana Nogueira und Mathieu De Craene sind die ersten Autoren der Artikel und Forscher an der Medisys Philips-Forschung in Paris (Frankreich) im Rahmen der CardioFunXion Projekt. Sergio Sánchez Martínez ist co-Autor und Mitglied der SiMBioSys; Devyani Chowdhury, co-Autor der Studie und ein Forscher an der Universität von Pennsylvania (USA).

https://www.youtube.com/embed/HB10GOK51LY?color=white

Ein analytischer Rahmen, basierend auf machine learning

Die Autoren schlagen einen analytischen Rahmen, der explizit adressiert die praktischen Herausforderungen, die sich durch die Analyse von tausenden von vollständigen Daten und verdeutlicht das Potenzial Ihrer Studie auf eine spezifische Gruppe von Herz-Patienten. Der Artikel präsentiert die Ergebnisse der image-Akquisitionen erhalten aus 15 Patienten, bei 10 gesunden und 5 mit dem ANT1 (Adenin-Nukleotid-Translokator-1) mutation, die Auswirkungen auf die kardiale Zyklen. Für die Studie analysierten die Forscher insgesamt 1,377 kardialen Zyklen.

„Unser framework verwendet Mehrere Kernel-Learning (MKL) zum Projekt heterogene Daten abgerufen, die während jedes herzzyklus während der stress-test in einem niedrig-dimensionalen Raum, in dem die wichtigsten Daten, die Variationen sind codiert. Hier, die stress-Reaktion, der jedes Thema kann gesehen werden als ein Weg, und von der ähnlichkeit zwischen den Bahnen, die Themen zugeordnet werden können Gruppen, die unterschiedliche Reaktions-mustern“, Bijnens und Piella erklären.

MKL bietet eine vereinfachte Darstellung, die erforscht wird, um zu unterscheiden, Gruppen von Reaktion und das Verständnis der zugrunde liegenden pathophysiologischen Mechanismen

Dann erläutern die Autoren die physiologische interpretation der Ergebnisse wird decodiert, so dass die Rekonstruktion der Eingangssignale entlang einer Trajektorie durch die low-output-dimension Raum. Diese vereinfachte Darstellung wird untersucht, um zu unterscheiden, Gruppen von Reaktion und das Verständnis der zugrunde liegenden pathophysiologischen Mechanismen.

Die Autoren haben vorgeschlagen, einen Rahmen für die Analyse nonstandardized stress-Echokardiographie-Sequenzen. Mit Hilfe der unüberwachten MKL, Sie kombiniert die Informationen auf den myokardialen Geschwindigkeit und Herzfrequenz zu erhalten, eine niedriger-dimensionale Darstellung der Daten. Der vorgeschlagene Rahmen wird anhand der Sequenzen der Griff übungen erworben in einer Kontrollgruppe von gesunden Probanden und Patienten mit der ANT1-mutation.