Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Nuevo marco analítico para analizar series no normalizadas de la ecocardiografía de tensión

La ecocardiografía es una prueba que utiliza técnicas del ultrasonido para producir las imágenes del corazón en tiempo real. La ecocardiografía de tensión utiliza esta técnica para evaluar la reacción del ritmo cardíaco mientras que realiza una actividad en la cual el corazón tenga que trabajar (tensión). La ecocardiografía de tensión puede revelar trazos de la enfermedad cardiovascular en sus primeros tiempos, antes de que manifieste, y así que esta técnica se convierte en una herramienta valiosa de la investigación.

Un protocolo de la ecocardiografía de tensión que ha demostrado tener ventajas en la práctica clínica se obtiene mientras que realiza el mango ejercita. Sin embargo, los niveles máximos del ejercicio no se cuantifican y no se regulan fácilmente, requiriendo el análisis de las series completas de los datos (millares de imágenes), que plantea un reto para el clínico.

Se propone un marco analítico que dirige explícitamente los retos prácticos planteados analizando millares de datos completos e ilustra el potencial de su estudio en un grupo específico de pacientes de corazón

Un estudio publicado en el análisis de imagen médico del gorrón, propone un marco operativo para el análisis de este grupo de datos complejo. El artículo acaba de publicarse, el 6 de noviembre, en la edición en línea avanzada. En este estudio, los datos fisiológicos de la función del corazón son obtenidos por la ecocardiografía mientras que los temas realizaron una serie de ejercicios del mango. Los datos fueron integrados por el aprendizaje múltiple del núcleo (MKL).

El estudio fue coordinado por el baronet Bijnens (ICREA-UPF) y el brote Piella, investigadores los grupos de la investigación de Physense y de SiMBioSys, respectivamente, que pertenecen a la unidad de investigación de BCN MedTech en el departamento de las tecnologías de información y de comunicación (DTIC) en UPF que trabajen en el campo del aprendizaje de máquina para la toma de decisión clínica. Mariana Nogueira y Mateo De Craene son los primeros autores del artículo y de los investigadores en la investigación de Medisys Philips en París (Francia) en el marco del proyecto de CardioFunXion. Sergio Sánchez Martínez es co-autor y una pieza de SiMBioSys; Devyani Chowdhury, co-autor del estudio e investigador en la Universidad de Pensilvania (los E.E.U.U.).

Un marco analítico basado en el aprendizaje de máquina

Los autores proponen un marco analítico que dirija explícitamente los retos prácticos planteados analizando millares de datos completos e ilustre el potencial de su estudio en un grupo específico de pacientes de corazón. El artículo presenta los resultados de las adquisiciones de la imagen obtenidas a partir de 15 pacientes, 10 sanos y 5 con (nucleótido Translocator-1 de la adenina) la mutación ANT1, que afecta a ciclos cardiacos. Para el estudio, los investigadores analizaban un total de 1.377 ciclos cardiacos.

Nuestro marco utiliza el núcleo múltiple que aprende (MKL) proyectar los datos heterogéneos extraídos durante cada ciclo cardiaco durante la prueba de tensión en un espacio inferior-dimensional donde se codifican las variaciones principales de los datos. Aquí, la reacción de la tensión de cada tema se puede considerar como trayectoria, y de la semejanza entre las trayectorias, los temas se pueden dotar a los grupos que reflejan diversas configuraciones de la reacción.”

Bijnens y Piella

MKL ofrece una representación simplificada que se explore para discriminar grupos de la reacción y para entender los mecanismos patofisiológicos subyacentes

Entonces, los autores explican, la interpretación fisiológica de los resultados son el permitir decodificada reconstruyendo las señales de entrada a lo largo de cualquier trayectoria a través del espacio del rendimiento de la inferior-dimensión. Esta representación simplificada se explora para discriminar grupos de la reacción y para entender los mecanismos patofisiológicos subyacentes.

Los autores han propuesto un marco para analizar series no normalizadas de la ecocardiografía de tensión. Usando MKL no supervisado, combinaron la información sobre la velocidad y el ritmo cardíaco del miocardio para obtener una representación inferior-dimensional de los datos. El marco propuesto se ilustra en las series de los ejercicios del mango detectados en un grupo de mando de temas sanos y de pacientes con la mutación ANT1.

Los resultados muestran que la metodología propuesta por estos expertos en el aprendizaje de máquina puede discriminar entre diversas reacciones y ofrecer la información sobre los mecanismos patofisiológicos subyacentes, demostrando su capacidad de analizar tales grupos de datos complejos que muestran el potencial de protocolos no normalizados, tales como ejercicios del mango para desenmascarar mecanismos de reacción cardiacos diferenciados. De hecho, los resultados confirman que el marco propuesto puede, para cada tema del estudio, distinguir reacciones sanas o patológicas y registrar configuraciones patología-específicas.

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.