XiaoMi-AI文件搜索系统
World File Search System瓣膜
算法用于预测未选择队列中心脏声音的瓣膜心脏病
目的：本研究旨在评估最先进的机器学习算法的能力，从一般人群中的数字心脏声音记录中检测瓣膜心脏病（VHD），其中包括无症状病例和疾病进展的中间阶段。方法：我们使用带有数字听诊器从Tromsø7研究中的2124名参与者中的数字听诊器收集的带注释的记录训练了一个复发性神经网络，以预测心脏声音的杂音。预测的杂音用于预测通过超声心动图确定的VHD。结果：检测到主动脉狭窄（AS）的存在，灵敏度为90.9％，特异性为94.5％，曲线（AUC）下的面积为0.979（CI：0.963 - 0.995）。至少在AUC为0.993（CI：0.989 - 0.997）中检测到的中等程度。中度或更大的主动脉和二尖瓣流体反流（AR和MR）的AUC值分别为0.634（CI：0.565 - 703）和0.549（CI：0.506 - 0.593），当临床变异添加为预测者时，临床变异时增加到0.766和0.677。AR的AUC分别为AR和MR，分别为0.756和0.711。共同筛查有症状的反流或狭窄的存在，导致AUC为0.86，为97.7％的AS病例（n = 44），并且检测到了所有12 ms病例。结论：该算法在检测到一般队列中表现出卓越的性能，超过了对选定同类群体的类似研究的观察结果。基于HS音频的AR和MR的检测较差，但有症状的病例的准确性要高得多，临床变量的包含可以显着提高模型的性能。
用阀中的瓣膜建模
全心脏功能的计算建模是研究心脏力学和血门动力学的有用工具。许多现有的心脏模型专注于机电方面，而无需考虑生理瓣膜并使用简化的流体模型。在这项研究中，我们开发了一个四腔心脏模型，具有逼真的腔室几何形状，详细的阀门建模，具有纤维结构的超弹性和流体 - 结构相互作用分析。我们的模型用于研究具有不同建模假设的心脏行为，包括受限制/游离阀环动力学，以及/没有心脏腹膜相互作用。我们的仿真结果捕获了瓣膜小叶与周围流动之间的相互作用，典型的左心室流动涡流，典型的静脉和浮力流动波形，以及生理心脏变形，例如心室平面运动。自由环可以明显地改善早期舒张期的心室填充和心房排空。此外，我们发现心脏上的添加的心包力对心房壁变形具有主要作用，尤其是在心房收缩期间，并进一步有助于心房填充过程。最重要的是，当前的研究为考虑所有心脏瓣膜和流体 - 结构相互作用的全面多物理学建模提供了一个框架。
一个智能的医学网络 - 物理系统，用于支持心脏瓣膜筛查和诊断
心血管疾病目前是全球死亡的主要原因。在预防心血管问题的策略中，心脏声音异常的自动分类是检测心脏病或其他无症状（甚至无症状的并发症）早期迹象的有效方法，对于及时的干预措施非常有效。尽管该领域有显着改善，但由于缺乏解决方案，可用的数据集和差（主要是二进制 - 正常与异常）分类模型和算法，仍然存在局限性。本文及时提出了一种医学网络物理系统（MCP），以自动对心脏瓣膜疾病进行自动分类。实际上，拟议的MCP可以通过一种高效易于访问的工具来部署到个人和移动设备中，以解决对患者，医疗保健从业人员和研究人员的现有解决方案的局限性。它结合了在新的意大利数据集中训练的不同的神经网络模型，该模型涉及132名成年患者，涵盖了9个心脏声音类别（1个正常和8个异常），也针对两个主要的开放式访问（Physionet/Cinc Challence 2016和韩语）数据集进行了验证。总体MCPS性能（时间，处理和能源资源利用率）和模型的高精度（高达98％）证明了提出的解决方案的可行性，即使数据很少。可应要求提供支持本文发现的数据集。
乌干达接受手术瓣膜手术程序的风湿性心脏病患者的临床特征和结局
结果：在359名患者中进行了三百六十七名手术程序。一半以上是年轻人（55.9％的年龄≤20岁），女性（59.9％）。所有患者在15年内均受到审查。中值（IQR）随访期为43（22,79）个月。将近一半的手术（46.9％）包括在多个阀门上进行干预，大多数瓣膜操作是用机械假体（96.6％）替代的。超过70％的程序是由慈善组织赞助的。接受手术的患者的总体死亡率为13％（47/359），其中一半以上的死亡率发生在手术后的第一年（27/47; 57.4％）。15年的生存或免于重新操作的自由在接收阀更换的人和接收阀修复的人之间没有显着差异（日志级p = 0.76）。
用气球（气球主动脉瓣膜成形术）伸展心脏狭窄的主动脉瓣
心脏导管插入术：一种检查您的心脏工作状况的过程。也是要找出您是否患有心肌，瓣膜或心脏（冠状动脉）动脉疾病。在此测试中，医生的长管（导管）放入了手臂或腿部的血管中。，它借助一台特殊的X射线机将引导到您的心脏。医生使用对比染料，通过导管将其注入您的血管中，以制作X射线视频，X射线视频，冠状动脉和心脏腔室。
用基因本体学捕获心脏瓣膜发育
简介：所有心脏瓣膜的正常发育都需要高度协调的信号通路和下游介体。虽然基因组变体可能导致先天性瓣膜疾病，但环境因素也可以发挥作用。生命瓣膜后期钙化是主动脉瓣狭窄的主要原因，这是一种进行性疾病，可能导致心力衰竭。当前对先天性瓣膜疾病和瓣膜钙化原因的研究正在使用多种高通量方法，包括转录组学，蛋白质组学和基因组学。来自生物知识库的高质量遗传数据对于促进这些高通量数据集的分析和解释至关重要。基因本体论（GO，http://geneontology.org/）是用于解释这些数据集的主要生物信息学资源，因为它提供了描述所有生物体基因产物的作用的结构化，可计算的知识。UCL功能基因注释小组的重点是人类基因产品的注释。确定了转录组，蛋白质组学和基因组数据中包含的GO注释没有提供有关心脏瓣膜开发的精确描述性信息，我们启动了一个集中的项目来解决此问题。
瓣膜心脏病
值是平均SD或N（％）。A中有577例怀孕。b先前的心血管事件被定义为以下1个或以上的出现：心力衰竭（n¼26），心律不齐（n¼21），感染性心内膜炎（n¼6）和血栓栓塞事件（N¼11）（n¼11）。c通过$ 2的NHYA功能类别恶化。d先前的心脏间断，例如气球瓣膜切开术或闭合二尖瓣瓣膜切开术，瓣膜修复（三尖瓣或二尖瓣）。e包括生物心理心脏瓣膜替代后的14个妊娠。f抗凝剂包括口服香豆素衍生物（Warfarin和Acenocoumarol）和肝素（未分离的肝素和依诺蛋白）。g肺动脉高压定义为右心室收缩压$ 40 mm Hg的超声心动图或平均肺动脉压力$ 25毫米Hg。H血红蛋白水平<10 g/dl。
印刷心脏瓣膜和其他心脏植入物
1。心脏病学，图森医学中心，美国图森2.内科，pt。B.D. Sharma研究生学院医学科学研究所，Rohtak，Ind 3。 内科，Shaheed Mohtarma Benazir Bhutto医科大学，Larkana，Pak 4。 手术，泽维尔大学医学院，奥兰杰斯塔德，ABW 5。 神经肿瘤学，纽约理工学院，骨病学院，美国旧韦斯特伯里，6。 医学，Xavier大学医学院，ARUBA，ABW 7。 内科，泽维尔大学医学院，美国芝加哥8. 内科，Xavier大学医学院，奥兰杰斯塔德，ABW 9。 医学，Jinnah Sindh医科大学，卡拉奇，PAK 10。 医学，苏莱曼·阿拉吉大学医学院 医学，梅奥医院，拉合尔，PAK 12。 病理学和实验室医学，美国安提瓜大学，圣约翰大学，ATG 13。 医学和手术，伊斯兰堡什叶派国际医院，帕克B.D.Sharma研究生学院医学科学研究所，Rohtak，Ind 3。内科，Shaheed Mohtarma Benazir Bhutto医科大学，Larkana，Pak 4。手术，泽维尔大学医学院，奥兰杰斯塔德，ABW 5。神经肿瘤学，纽约理工学院，骨病学院，美国旧韦斯特伯里，6。医学，Xavier大学医学院，ARUBA，ABW 7。 内科，泽维尔大学医学院，美国芝加哥8. 内科，Xavier大学医学院，奥兰杰斯塔德，ABW 9。 医学，Jinnah Sindh医科大学，卡拉奇，PAK 10。 医学，苏莱曼·阿拉吉大学医学院 医学，梅奥医院，拉合尔，PAK 12。 病理学和实验室医学，美国安提瓜大学，圣约翰大学，ATG 13。 医学和手术，伊斯兰堡什叶派国际医院，帕克医学，Xavier大学医学院，ARUBA，ABW 7。内科，泽维尔大学医学院，美国芝加哥8.内科，Xavier大学医学院，奥兰杰斯塔德，ABW 9。医学，Jinnah Sindh医科大学，卡拉奇，PAK 10。 医学，苏莱曼·阿拉吉大学医学院 医学，梅奥医院，拉合尔，PAK 12。 病理学和实验室医学，美国安提瓜大学，圣约翰大学，ATG 13。 医学和手术，伊斯兰堡什叶派国际医院，帕克医学，Jinnah Sindh医科大学，卡拉奇，PAK 10。医学，苏莱曼·阿拉吉大学医学院医学，梅奥医院，拉合尔，PAK 12。病理学和实验室医学，美国安提瓜大学，圣约翰大学，ATG 13。医学和手术，伊斯兰堡什叶派国际医院，帕克
同种异体心脏瓣膜的调节
•在此权限下，FDA在《联邦法规法规》第21部分（CFR）第1271部分，有关人类细胞，组织或细胞或基于组织或组织的产品（HCT/PS）中颁布了法规。由于HCT/PS包含来自人体的组成部分，因此它们构成了可能导致卫生保健人员，其他组织，接受者和家庭成员或其他接收者的其他接触者的病原体的风险。
回顾人工智能时代瓣膜和先天性心脏病的听力学诊断
近年来，电子听诊器与人工智能（AI）技术相结合，以数字化获得心脏声音，智能识别瓣膜疾病和先天性心脏病，并提高心脏病诊断的准确性。对基于AI的智能听诊技术的研究主要集中于AI算法，并且常用的方法是基于特征提取的端到端深度学习算法和机器学习算法，未来研究的热点是为了建立大型的标准化数据库，并统一这些算法，并在其他方面进行统一，并在其他算法中进行统一；算法可以与不同的算法兼容。此外，应该对不同的电子听诊器进行广泛的比较，以便算法可以与不同听诊器收集的心脏声音兼容；尤其是，尤其重要的是，云中算法的部署是人工智能未来发展的主要趋势。最后，基于心脏声音的人工智能的研究仍处于初步阶段，尽管在识别瓣膜疾病和先天性心脏病方面取得了长足的进步，但它们都在疾病诊断算法的研究中，几乎没有关于疾病严重性，远程监测，预后等的研究，这将是未来研究的热点。