Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Nuova struttura analitica per analizzare le sequenze non standardizzate dell'ecocardiografia di sforzo

L'ecocardiografia è una prova che usa le tecniche di ultrasuono per produrre le immagini del cuore in tempo reale. L'ecocardiografia di sforzo usa questa tecnica per valutare la risposta di frequenza cardiaca mentre esegue un'attività in cui il cuore deve lavorare (sforzo). L'ecocardiografia di sforzo può rivelare le tracce di malattia cardiovascolare nelle sue fasi iniziali, prima che si manifesti ed in modo da questa tecnica si trasforma in in uno strumento apprezzato della selezione.

Un protocollo dell'ecocardiografia di sforzo che è risultato presentare i vantaggi nella pratica clinica è ottenuto mentre esegue l'impugnatura si esercita. Tuttavia, i livelli massimi di esercizio facilmente non sono quantificati e non regolamentati, richiedenti l'analisi delle sequenze complete di dati (migliaia di immagini), che posa una sfida per il clinico.

Una struttura analitica è proposta che indirizza esplicitamente le sfide pratiche posate analizzando migliaia di dati completi ed illustra il potenziale del loro studio su un gruppo specifico di pazienti di cuore

Uno studio pubblicato nell'analisi sulla base di immagini medica del giornale, propone una struttura operativa per l'analisi di questo gruppo di dati complesso. L'articolo è stato pubblicato appena, il 6 novembre, nell'edizione online avanzata. In questo studio, i dati fisiologici della funzione del cuore sono ottenuti da ecocardiografia mentre i soggetti hanno eseguito una serie di esercizi dell'impugnatura. I dati sono stati integrati dall'apprendimento multiplo del nocciolo (MKL).

Lo studio è stato coordinato da Bart Bijnens (ICREA-UPF) e la gemma Piella, ricercatori di gruppi di ricerca di SiMBioSys e di Physense, rispettivamente, che appartengono all'unità di ricerca di BCN MedTech al dipartimento di informazioni e di tecnologie di comunicazione (DTIC) a UPF che lavorano nel campo dell'apprendimento automatico per processo decisionale clinico. Il Mariana Nogueira e Mathieu De Craene sono i primi autori dell'articolo e dei ricercatori alla ricerca di Medisys Philips a Parigi (Francia) nel quadro del progetto CardioFunXion. Sergio Sánchez Martínez è co-author e un membro di SiMBioSys; Devyani Chowdhury, co-author dello studio e un ricercatore all'università della Pennsylvania (U.S.A.).

Una struttura analitica basata sull'apprendimento automatico

Gli autori propongono una struttura analitica che indirizza esplicitamente le sfide pratiche posate analizzando migliaia di dati completi ed illustra il potenziale del loro studio su un gruppo specifico di pazienti di cuore. L'articolo presenta i risultati delle acquisizioni di immagine ottenute da 15 pazienti, 10 sani e 5 con dell'adenina) la mutazione ANT1 (nucleotide Translocator-1, che pregiudica i cicli cardiaci. Per lo studio, i ricercatori hanno analizzato complessivamente 1.377 cicli cardiaci.

La nostra struttura usa il nocciolo multiplo che impara (MKL) aggettare i dati eterogenei recuperati durante l'ogni ciclo cardiaco durante la prova di sforzo in uno spazio basso dimensionale in cui le variazioni principali di dati sono codificate. Qui, la risposta di sforzo di ogni oggetto può essere veduta come traiettoria e dalla similarità fra le traiettorie, gli oggetti possono essere assegnati ai gruppi che riflettono i reticoli differenti di risposta.„

Bijnens e Piella

MKL fornisce una rappresentazione semplificata che è esplorata per discriminare i gruppi di risposta e per capire i meccanismi patofisiologici di fondo

Poi, gli autori spiegano, l'interpretazione fisiologica dei risultati è concedere decodificato ricostruendo i segnali in ingresso lungo tutta la traiettoria attraverso lo spazio dell'output di basso dimensione. Questa rappresentazione semplificata è esplorata per discriminare i gruppi di risposta e per capire i meccanismi patofisiologici di fondo.

Gli autori hanno proposto una struttura per analizzare le sequenze non standardizzate dell'ecocardiografia di sforzo. Facendo uso di MKL non supervisionato, hanno riunito le informazioni sulla velocità e sulla frequenza cardiaca del miocardio per ottenere una rappresentazione basso-dimensionale dei dati. La struttura proposta è illustrata nelle sequenze degli esercizi dell'impugnatura acquistati in un gruppo di controllo degli individui sani e dei pazienti con la mutazione ANT1.

I risultati indicano che la metodologia proposta da questi esperti in apprendimento automatico può discriminare fra le risposte differenti e fornire informazioni sui meccanismi patofisiologici di fondo, dimostranti la sua capacità di analizzare tali gruppi di dati complessi che mostrano il potenziale dei protocolli non standardizzati, quali gli esercizi dell'impugnatura per smascherare i meccanismi di risposta cardiaci differenziali. Effettivamente, i risultati confermano che la struttura proposta può, per ogni oggetto di studio, distinguere le risposte sane o patologiche e registrare i reticoli patologia-specifici.

Source:
Journal reference:

Nogueira, M., et al. (2019) Analysis of Nonstandardized Stress Echocardiography Sequences Using Multiview Dimensionality Reduction. Medical Image Analysis. doi.org/10.1016/j.media.2019.101594.