XiaoMi-AI文件搜索系统
World File Search System心动
连接异位心动过速（JET）UHL儿童...
喷射是一种自限制的心律失常，通常在心脏手术后的72小时内发生，并在8天内解决。这是一种不断的心动过速，通常带有AV障碍性，导致在降低心肌氧供应的情况下，心肌工作量和氧气消耗增加的有害组合。由于心房收缩期贡献的损失以及对心动过速导致的舒张期填充时间缩短，因此由于心室填充受损而减少全球心脏输出。这可能会迅速导致威胁性低心输出态状态（LCO）的生命，尤其是如果患者先前被造成血流动力学损害。喷射像自动心动过速一样，因此通常不会对DC休克，腺苷或超速起搏。治疗旨在通过起搏降低和恢复AV同步。心率下降将减少心肌氧的需求，同时改善心肌氧递送。管理的基本原理包括足够的镇痛和镇静，校正任何电解质不平衡以及减少肌力的减少。降低射流速率的最有效的治疗方法是适度的体温过低和静脉静脉内龙酮的组合。一旦降低速率，就可以通过比心律失常的速度快速起搏来实现AV同步。ECLS保留用于威胁对低温和IV胺碘酮的抗生命。
2023世界心脏联合会的超声心动图诊断指南
风湿性心脏病（RHD）是低收入和中等收入国家的儿童和年轻人以及居住在高收入国家的某些高风险人群中的重要且可预防的原因。2012年世界心脏联合会超声心动图标准为鉴定RHD提供了标准化方法，并促进了早期案例检测的改善。2012年的标准在许多流行病学研究中被用来定义疾病负担，但此后，研究人员和临床医生强调了促使修订的局限性。在该指南的此更新版本中，我们将范围审查，专家小组和最终用户反馈的证据结合在一起，并提出了一种用于RHD的活动案例查找的方法，包括使用筛选和确认标准。这些指南还引入了一种基于阶段的新分类，以识别疾病进展的风险。他们描述了有关基于人群的超声心动图主动病例查找和风险分层的最新证据和建议。二级抗生素预防，超声心动图设备和RHD主动病例发现的任务共享。这些世界心脏联合会2023指南为RHD流行地区的临床和研究应用提供了简洁而更新的资源。
echo2pheno：有意识小鼠中超声心动图表型的深度学习应用
图5说明了独立的组织病理学评估的结论。通过Echo2Pheno（ACNAT2，CMAS，DNAJB14，ECHS1，ECHS1，ERGIC2，GSTM1）验证了六项无关紧要的研究。在那些情况下，组织学检查在所有研究中揭示了结构正常的心脏（图5b），确认我们的发现。四个手动得出的大量研究通过Echo2Pheno（CISD1，DMD，FabP2，ZFP280D）进行了验证。四分之一的CISD1突变体显示出中度的LV扩张，而DMD突变体没有LV改变，而是局灶性心肌炎症，支持本研究中的EF和FS改变。FABP2心脏正常，而四个检查的ZFP280D雄性突变体中有两个lvs扩张，炎症性浸润，纤维化和坏死灶中的一个
半自动测量胎儿心脏病（CHD）的胎儿心脏轴的胎儿智能导航超声心动图（Fine）
摘要：先天性心脏病（CHD）是最常见的特定器官出生缺陷之一，也是婴儿发病率和死亡率的主要原因。尽管超声筛查指南，但CHD的检测率有限。已引入胎儿智能导航超声心动图（Fine），以从心脏时空图像相关（STIC）体积数据集中提取参考平面和心脏轴。这项研究分析了受CHD/胸腔肿块影响的胎儿（n = 545）的心脏轴（n = 545），而健康的胎儿（n = 1543）（n = 1543）。在标记了七个解剖结构后，精细的软件在半自动上产生了九个超声心动图标准平面并计算了心脏轴。我们的研究表明，根据CHD的类型，心脏轴各不相同。在我们的病理病例的大约86％（542卷中的471卷）中，可以检测到异常心脏轴（正常中位= 40–45°）。在HLHS，肺动脉闭壁，TOF（p -value <0.0001），raa，situs ambiguus（p -Value = 0.0001-0.001）和缺失的肺谷综合体，dorvalsecies（p）中，在HLHS，肺动脉闭合，TOF（P -Value <0.0001）中检测到正常心脏与CHD之间的显着差异。 这种分析证实了在冠心病的胎儿中，心脏轴可以显着偏离正常范围。 罚款似乎是识别心脏缺陷的宝贵工具。在HLHS，肺动脉闭合，TOF（P -Value <0.0001）中检测到正常心脏与CHD之间的显着差异。这种分析证实了在冠心病的胎儿中，心脏轴可以显着偏离正常范围。罚款似乎是识别心脏缺陷的宝贵工具。
将超声心动图参数与可解释的人工智能集成，以用于基本二尖瓣反流表型的数据驱动聚类
MV流量减速时间ERO通过PISA方法通过PISA方法通过PISA方法流量E'PISA E'S'速度E/E'速度比MR速度速率流量为体积量通过体积方法MV Annulus calification MV Annulus calification La calification La calification la量LA体积la量基底RV直径在4-Chamber View Tapse Tapse Tapse TapseMV流量减速时间ERO通过PISA方法通过PISA方法通过PISA方法流量E'PISA E'S'速度E/E'速度比MR速度速率流量为体积量通过体积方法MV Annulus calification MV Annulus calification La calification La calification la量LA体积la量基底RV直径在4-Chamber View Tapse Tapse Tapse TapseMV流量减速时间ERO通过PISA方法通过PISA方法通过PISA方法流量E'PISA E'S'速度E/E'速度比MR速度速率流量为体积量通过体积方法MV Annulus calification MV Annulus calification La calification La calification la量LA体积la量基底RV直径在4-Chamber View Tapse Tapse Tapse TapseMV流量减速时间ERO通过PISA方法通过PISA方法通过PISA方法流量E'PISA E'S'速度E/E'速度比MR速度速率流量为体积量通过体积方法MV Annulus calification MV Annulus calification La calification La calification la量LA体积la量基底RV直径在4-Chamber View Tapse Tapse Tapse TapseMV流量减速时间ERO通过PISA方法通过PISA方法通过PISA方法流量E'PISA E'S'速度E/E'速度比MR速度速率流量为体积量通过体积方法MV Annulus calification MV Annulus calification La calification La calification la量LA体积la量基底RV直径在4-Chamber View Tapse Tapse Tapse Tapse
心脏移植中的围手术期经食管超声心动图
心脏移植是对无常规治疗反应的终阶段心脏病的手术治疗的一种重要形式。自1967年的第一次心脏移植以来，由于许多领域的发展，例如器官捐赠，手术技术，器官保存，围手术期护理，免疫风险评估，免疫抑制剂和器官功能的监测，接受者的寿命已大大增加。[1]此外，随着捐助者标准的扩展和某些国家的数据传输的增加，全球心脏移植案件的年数已超过5500。[2]由于这些患者通常有其他疾病，例如慢性肺部疾病和肺部高血压，可用于心肌功能障碍，phisepeacheageal Echocarecar-dio摄影（TEE）可用于评估这些患者的心脏功能。[3]
心脏心动图记录的心脏杂音检测
心脏听诊是一种可访问的诊断筛查工具，可以帮助识别患有心脏杂音的患者，他们可能需要对异常心脏功能进行后续诊断筛查和治疗。但是，需要专家来解释心脏声音，从而限制了在资源受限环境中心脏听觉的可及性。因此，George B. Moody Physionet挑战2022邀请团队开发出从唱机的心脏声音（PCG）记录的心脏声音记录中检测心脏杂音和异常心脏功能的算法方法。为了挑战，我们从1452名巴西主要是儿科患者中采购了5272个PCG记录，并邀请团队实施诊断性筛查算法，以检测记录中的心脏杂音和异常的CAR-DIAC功能。我们要求参与者为其算法提交完整的培训和推理代码，以提高其工作的透明度，可重复性和效用。我们还设计了一个评估指标，该指标考虑了筛查，诊断，误诊和治疗的成本，使我们能够研究算法诊断筛查的好处，并促进了更临床相关的算法的发展。在挑战期间，我们从87个团队中收到了779个算法，导致53个工作代码库，用于检测心脏杂音和PCG录音中异常心脏功能。使用心脏声记录来识别心脏杂音和异常心脏功能使我们能够探索潜力这些算法代表了学术界和行业的多种方法，包括使用具有工程性临床和统计特征的更传统的机器学习技术以及主要依赖深度学习模型来发现信息性特征的方法。
临床，超声心动图和纵向特征与心力衰竭相关的射血分数
结果：该研究包括1307例HFREF患者中位随访16.3个月（IQR 8.0-30.6）。中位年龄为65岁；男性为68％，而57％是白人。在随访中，有39％（n = 506）开发了HFIMPEF，而61％（n = 801）具有持久的HFREF。多元COX回归模型确定性别，种族合并症，超声心动图和亚位术肽是HFIMPEF的重要协变量（p <0.05）。与持续的HFREF组相比，HFIMPEF组的生存率更好（p <0.001）。超声心动图和实验室轨迹之间的轨迹不同。
使用超声心动图放射线特征和机器学习算法
由心肌中的铁沉积引起的抽象心力衰竭是β-丘脑贫血患者死亡率的主要原因。心脏磁共振成像（CMRI）T2*是用于检测心肌铁超负荷的主要筛选技术，但固有地存在一些局限性。在这项研究中，我们的目的是根据从超声心动图图像中提取的放射性特征和机器学习（ML）在具有正常左心室放射率（正常左心室放射率（LVEF）正常的左心室放射率（LVEFF> 55％）中提取的放射性特征（LVE> 55％）的患者，基于放射性图像图像和机器学习（ML）提取的放射性特征（ML）基于放射性图像和机器学习（ML）的放射性特征（LVE> 55％）中的放射性特征（由T2*CMRI检测）分开了β-核铁无症患者与没有心肌铁超负荷的患者。在91例病例中，有44例患有正常LVEF（> 55％）和T2*≤20ms的患者，其中包括对照组，其中47例LVEF> 55％和T2*> 20 ms的患者包括在研究组中。放射线特征。然后，使用了三种特征选择（FS）方法和六个不同的分类器。使用各种指标评估模型，包括ROC曲线（AUC）下的面积，准确性（ACC），灵敏度（SEN）和特异性（SPE）。Maximum relevance-minimum redundancy-eXtreme gradient boosting (MRMR-XGB) (AUC = 0.73, ACC = 0.73, SPE = 0.73, SEN = 0.73), ANOVA-MLP (AUC = 0.69, ACC = 0.69, SPE = 0.56, SEN = 0.83), and recursive feature elimination-K-nearest neighbors (RFE-KNN) (AUC = 0.65，ACC = 0.65，SPE = 0.64，SEN = 0.65）是ED，ES和ED＆ES数据集中的最佳模型。使用超声心动图图像和ML提取的放射线特征，可以预测铁超载引起的心脏问题。