信号:HR,OX和它们之间的归一化差异。从这三个时间信号中的每个信号中,时间(平均值和标准偏差)和频率域的特征(第一和第二谐波的特征,所有谐波的总和和对归一化快速傅立叶型[FFT]信号的正常成分分析的六个第一个索引[PCA]的六个索引。因此,获得了每个阶段的13个特征(每次评估的总计26个特征)。标记和要检测到的事件的定义
肥厚性阻塞性心肌病(HOCM)是年轻人突然心脏死亡的主要原因。隔膜切除术手术被认为是HOCM非药物治疗的黄金标准,其中主动脉和二尖瓣是手术计划的关键区域。当前,在临床实践中广泛执行主动脉和二尖瓣的手动分割,以构建用于HOCM手术计划的3D模型。但是,这样的过程是耗时且昂贵的。在本文中,我们将解剖学的先验知识介绍为自动分割主动脉和二尖瓣的深度学习。特别是提出了一种两阶段的方法:我们首先从CT图像中获得感兴趣的(ROI),然后进行心脏分割。心脏子结构之间的空间关系用于识别包含主动脉瓣和二尖瓣的瓣膜区域。与典型的两阶段方法不同,我们为左心室的精制分割,左心房和主动脉作为阀门分割的附加输入。通过纳入这些解剖学先验知识,深度神经网络(DNN)可以利用周围的解剖结构来改善阀门细分。,我们收集了一个具有隔膜切除术手术病史的患者的27个CT图像的数据集。实验结果表明,我们的方法的平均骰子得分为71.2%,比现有方法提高了4.2%。我们的数据集和代码将发布到公共数据集。关键字:肥厚的阻塞性心肌病,外科手术计划,分割,深神经网络。
阻塞性睡眠呼吸暂停(OSA)是一种常见疾病。它的流行率在全球范围内增加,部分是由于肥胖率提高,而OSA对身体健康(心血管疾病和代谢障碍的风险增加)和心理健康以及重大的社会经济影响都有据可查的影响。尽管连续的阳性气道压力治疗(CPAP)仍然是中度至重度OSA的主要治疗干预措施,但其他治疗策略,例如体重减轻,位置治疗,下颌骨进步装置(MAD),手术治疗,上呼吸道的肌功能疗法(UA)肌肉和肌肉肌肉和下腔nerve刺激的使用也增加了。最近,几项试验证明了旨在改善UA肌肉功能障碍,循环增益或过度白天嗜睡的各种药理治疗的临床潜力。与OSA高度异质的临床图相一致,最近已经记录了不同临床表型的近期鉴定。合并症,入射心血管风险和对CPAP的反应可能在表型之间有显着变化。考虑到这一点,这篇综述的目的是总结有关OSA表型的数据,这些数据可能响应药理学方法。
心力衰竭(HF)和慢性阻塞性肺疾病(COPD)是两种慢性疾病,对普通人群有最大的不良影响,并且早期发现其代偿性是一个重要的目标。但是,很少有诊断模型实现了足够的诊断性能。该试验的目的是开发基于生理参数的机器学习技术的心力衰竭或COPD加剧的诊断模型。招募了135名因心力衰竭和/或COPD加重而住院的患者。每位患者接受了三项评估:一名在代偿阶段(在住院期间),在补偿阶段(在家中,出院后30天)更连续两名。在每次评估中,心率(HR)和氧饱和度(OX)在步行期间连续记录(用脉搏血氧仪)记录6分钟,然后恢复4分钟。为开发诊断模型,最初通过分类算法选择了与HR和OX相关的预测特性。潜在的预测因素包括年龄,性别和基线疾病(心力衰竭或COPD)。接下来,通过不同的机器学习技术开发了诊断分类模型(补偿阶段与代偿阶段)。根据灵敏度,特异性(E)和准确性(a)评估了开发模型的诊断性能。分析中包括来自22例死亡人力衰竭患者的数据,25例COPD加重患者,两种含量为13例,两种代偿性病变。选择了19个。年龄,性别和基线疾病没有为模型提供更大的歧视能力。S和E值以上80%的技术是逻辑回归(S:80.83%; E:86.25%; A:83.61%)和支持向量机(S:81.67%; E:85%; A:A:82.78%)的技术。诊断模型开发了良好的诊断性能,用于代偿性HF或COPD加重。据我们所知,这项研究是第一个报告可能适用于COPD和HF患者的代偿诊断模型的诊断模型。但是,这些结果是初步的,并有必要进一步研究以确认。
肥厚性阻塞性心肌病(HOCM)描述了一种病理状态,其中介入隔膜的亚电源区域会经历明显的肥大和纤维化,导致隔层弯曲成左心室。减少的左心室腔室大小和心脏功能改变会损害舒张期填充,中风体积和心脏输出。该病例报告评估了受HOCM影响的36岁,福尔马林插入的尸体的心脏组织,目的是全面概述与该疾病相关的总体和病理发现。发现该供体的心脏比平均水平大,重510.1 g,比具有相似身材的男性的预测值335.6 g的重52%。介入隔膜,右心室壁和左心室游离壁的厚度可与其他HOCM报告相当。然而,左心室壁的不对称增厚,这是HOCM的特征,它比预期的不太突出。尸体组织的组织学染色,苏木精和曙红,三色和Desmin,进一步增强了诊断。重要的是,这也表明,隔离组织的组织学检查是有效的,诊断性的,即使是在防腐后期的11个月。本文表明,尸体心脏组织的形态和组织学分析足以支持HOCM的诊断。对研究人员的知识,这是评估医学教育捐赠的尸体中HOCM的第一份案例报告。
CédricCannard 1,2,HelanéWahbeh2,Arnaud Delorme 1,2,3 1 Cent de Recherche Cerveau et Cognition(CERCO),CNRS,Toulouse III大学,法国2号大学2 Noetic Sciences(Ions)3 Swartz计算神经科学中心(SCCN),INC,UCSD,LA JOLLA,美国关键字:开源,EEGLAB,EEGLAB,EEG,ECG,ECG,PPG,PPG,HRV,特征分析,心跳 - 事实/振荡电位/振荡(HEP/HEO),心脏组成部分,心脏成分供电。摘要:Brainbeats工具箱是一个开源EEGLAB插件,旨在共同分析脑血管和心血管(ECG/PPG)信号。它提供了三个主要方案:心跳诱发潜力评估,基于特征的分析和心脏伪像从脑电图中提取。这将有助于研究人员和临床医生研究脑力相互作用,并具有增强的可重复性和可及性。摘要:皮质和心血管系统之间的联系正在引起人们的关注,因为它有可能对大脑和心脏功能耦合提供宝贵的见解。当前的联合分析方法在很大程度上涉及侵入性或高成本神经影像学方法。EEG和ECG/PPG提供了非侵入性,具有成本效益和便携式替代方案,可在实验室和临床环境中进行更广泛的数据收集。然而,由于其复杂性,对这些生物信号的分析对于可扩展应用是具有挑战性的。现有的研究和工具通常在处理和统计方法,易于使用的用户界面或大型数据集的批处理处理能力方面缺乏共识,从而阻碍了可重复性。在脑电图和心脏变异性(HRV)特征提取的标准化方法中,还存在进一步的空隙,破坏了临床诊断或机器学习模型的鲁棒性。我们介绍了针对这些挑战的Brainbeats工具箱,开源EEGLAB插件提供了一套信号处理和特征 - 萃取功能的套件,这些功能符合当前的指南和建议。工具箱集成了三个主要协议:1)心跳诱发电位(HEP)和振荡(HEO); 2)EEG和HRV特征提取; 3)自动删除脑电图信号的心脏伪像。伴随着样本数据和指导,Brainbeats旨在促进大脑心脏的相互作用研究和可重复性。这个开源工具箱为研究大脑心脏相互作用的临床医生和研究人员提供了宝贵的资源,可以根据独特的研究需求量身定制。
1 美国俄亥俄州辛辛那提市辛辛那提儿童医院医疗中心儿科耳鼻咽喉头颈外科分部,2 美国俄亥俄州辛辛那提市辛辛那提大学医学院耳鼻咽喉头颈外科系,3 美国俄亥俄州辛辛那提市辛辛那提儿童医院医疗中心人类遗传学分部,4 美国俄亥俄州辛辛那提市辛辛那提大学医学院药理学和系统生理学系,5 葡萄牙科英布拉市科英布拉大学神经科学和细胞生物学中心,6 美国肯塔基州列克星敦市肯塔基大学药理学和营养科学系,7 美国肯塔基州列克星敦市肯塔基大学生理学系, 8 美国俄亥俄州辛辛那提市辛辛那提儿童医院医疗中心肺科,9 美国俄亥俄州辛辛那提市辛辛那提儿童医院医疗中心睡眠中心,10 美国俄亥俄州辛辛那提市辛辛那提儿童医院医疗中心昼夜节律医学中心
电子邮件:cardosov477@gmail.com摘要外围阻塞性动脉疾病(DAOP)是老年人的常见状况,其特征是使动脉变窄或阻塞使血液和脚部的血液带到腿部和脚。DAOP病理生理学涉及由于脂肪和胆固醇斑块的积累而导致周围动脉的狭窄,从而导致血液流向下肢的血液降低,在老年人和心血管危险因素的患者中很常见。至于流行病学,DAOP在发达国家(占人口的7.1%)最常见,并且与低/中收入的人群有关(72.9%)。根据危险因素的存在,例如吸烟,糖尿病,高年龄,繁殖/种族,以及生物标志物(例如C反应蛋白(PCR),DIMER D,β2-微糖蛋白和心脏T-T-troponin)的存在。DAOP诊断涉及临床病史,体格检查,症状评估和互补检查,例如多普勒超声,计算血管造影和层析成像(CT),可用于确认诊断并确定动脉阻塞的严重程度。分类基于疾病的阶段和患者的症状。治疗方法旨在减轻症状,改善生活质量并防止严重的并发症,例如受影响的肢体截肢,包括生活方式的改变,例如戒烟和运动,以及使用药物来控制心血管危险因素。作为流行病学,PAOD在发达国更为常见(占,在严重的情况下,可能需要控制心血管危险因素。关键词:外周阻塞动脉疾病,诊断,脚踝 - 桥梁指数,病理生理学,治疗。抽象的外围阻塞性动脉疾病是老年人的常见状况,其特征是狭窄或阻塞腿和脚的动脉。PAOD的病理生理学因脂肪和胆固醇板的积累而导致周围动脉变窄,从而导致血液流向下肢的血液流动降低,在老年人和心血管危险因素的患者中很常见。
1 Cagliari大学医学科学与公共卫生系,09124,意大利Cagliari 2帕尔马大学医学与外科系,帕尔马大学43121,意大利帕尔马43121 3儿童神经精神病学部门,萨皮恩扎大学,萨皮恩扎大学,sapienza sapienza rome of 00185 rome ca Maggiore Policlinico, 20122 Milan, Italy 5 Department of Clinical Sciences and Community Health, University of Milan, 20122 Milan, Italy 6 CERT, Center of Excellence for Toxicological Research, University of Parma, 43121 Parma, Italy 7 INAIL, The National Institute for Insurance against Accidents at Work, Department of Medicine, Epidemiology, Workplace and Environmental Hygiene, 00144 Rome, Italy 8 Centre曼彻斯特大学曼彻斯特大学卫生服务研究与初级保健部门的职业和环境健康部,曼彻斯特M13 9PL,英国9分子心脏病学部,人类研究医院,IRCCS,20089年意大利Rozzano,意大利 *通信:Michele.miragoli.miragoli@unipr.it;电话。 : +39-0521-903256†这些作者共享最后的作者身份。1 Cagliari大学医学科学与公共卫生系,09124,意大利Cagliari 2帕尔马大学医学与外科系,帕尔马大学43121,意大利帕尔马43121 3儿童神经精神病学部门,萨皮恩扎大学,萨皮恩扎大学,sapienza sapienza rome of 00185 rome ca Maggiore Policlinico, 20122 Milan, Italy 5 Department of Clinical Sciences and Community Health, University of Milan, 20122 Milan, Italy 6 CERT, Center of Excellence for Toxicological Research, University of Parma, 43121 Parma, Italy 7 INAIL, The National Institute for Insurance against Accidents at Work, Department of Medicine, Epidemiology, Workplace and Environmental Hygiene, 00144 Rome, Italy 8 Centre曼彻斯特大学曼彻斯特大学卫生服务研究与初级保健部门的职业和环境健康部,曼彻斯特M13 9PL,英国9分子心脏病学部,人类研究医院,IRCCS,20089年意大利Rozzano,意大利 *通信:Michele.miragoli.miragoli@unipr.it;电话。: +39-0521-903256†这些作者共享最后的作者身份。