SwePub
Sök i LIBRIS databas

  Utökad sökning

WFRF:(Ochoa Figueroa Miguel)
 

Sökning: WFRF:(Ochoa Figueroa Miguel) > Deep learning predi...

LIBRIS Formathandbok  (Information om MARC21)
FältnamnIndikatorerMetadata
00007250naa a2200505 4500
001oai:lup.lub.lu.se:e2236d6a-ef8c-4075-b0bd-864c99f68cec
003SwePub
008220819s2023 | |||||||||||000 ||eng|
009oai:DiVA.org:liu-185595
0247 a https://lup.lub.lu.se/record/e2236d6a-ef8c-4075-b0bd-864c99f68cec2 URI
0247 a https://doi.org/10.1007/s12350-022-02995-62 DOI
0247 a https://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-1855952 URI
040 a (SwePub)lud (SwePub)liu
041 a engb eng
042 9 SwePub
072 7a art2 swepub-publicationtype
072 7a ref2 swepub-contenttype
1001 a Arvidsson, Idau Lund University,Lunds universitet,Matematik LTH,Matematikcentrum,Institutioner vid LTH,Lunds Tekniska Högskola,LTH profilområde: AI och digitalisering,LTH profilområden,Mathematics (Faculty of Engineering),Centre for Mathematical Sciences,Departments at LTH,Faculty of Engineering, LTH,LTH Profile Area: AI and Digitalization,LTH Profile areas,Faculty of Engineering, LTH,Lund Univ, Sweden4 aut0 (Swepub:lu)id0366ar
2451 0a Deep learning prediction of quantitative coronary angiography values using myocardial perfusion images with a CZT camera
264 c 2022-05-24
264 1b Springer Science and Business Media LLC,c 2023
500 a Funding Agencies|Analytic Imaging Diagnostics Arena, Vinnova Grant [2017-02447]; Department of Clinical Physiology; Department of Radiology, Region Ostergotland
520 a Purpose: Evaluate the prediction of quantitative coronary angiography (QCA) values from MPI, by means of deep learning. Methods: 546 patients (67% men) undergoing stress 99mTc-tetrofosmin MPI in a CZT camera in the upright and supine position were included (1092 MPIs). Patients were divided into two groups: ICA group included 271 patients who performed an ICA within 6 months of MPI and a control group with 275 patients with low pre-test probability for CAD and a normal MPI. QCA analyses were performed using radiologic software and verified by an expert reader. Left ventricular myocardium was segmented using clinical nuclear cardiology software and verified by an expert reader. A deep learning model was trained using a double cross-validation scheme such that all data could be used as test data as well. Results: Area under the receiver-operating characteristic curve for the prediction of QCA, with > 50% narrowing of the artery, by deep learning for the external test cohort: per patient 85% [95% confidence interval (CI) 84%-87%] and per vessel; LAD 74% (CI 72%-76%), RCA 85% (CI 83%-86%), LCx 81% (CI 78%-84%), and average 80% (CI 77%-83%). Conclusion: Deep learning can predict the presence of different QCA percentages of coronary artery stenosis from MPIs.
650 7a MEDICIN OCH HÄLSOVETENSKAPx Klinisk medicinx Kardiologi0 (SwePub)302062 hsv//swe
650 7a MEDICAL AND HEALTH SCIENCESx Clinical Medicinex Cardiac and Cardiovascular Systems0 (SwePub)302062 hsv//eng
653 a Artificial intelligence
653 a cadmium-zinc-telluride
653 a coronary angiography
653 a deep learning
653 a myocardial scintigraphy
653 a Artificial intelligence; deep learning; myocardial scintigraphy; coronary angiography; cadmium-zinc-telluride
7001 a Davidsson, Anetteu Linköpings universitet,Linköping University,Avdelningen för diagnostik och specialistmedicin,Medicinska fakulteten,Region Östergötland, Fysiologiska kliniken US4 aut0 (Swepub:liu)aneda83
7001 a Overgaard, Niels Christianu Lund University,Lunds universitet,Mathematical Imaging Group,Forskargrupper vid Lunds universitet,Partiella differentialekvationer,Teknisk matematik (CI),Utbildningsprogram, LTH,Lunds Tekniska Högskola,Matematik LTH,Matematikcentrum,Institutioner vid LTH,LTH profilområde: AI och digitalisering,LTH profilområden,LTH profilområde: Teknik för hälsa,Lund University Research Groups,Partial differential equations,Engineering Mathematics (M.Sc.Eng.),Educational programmes, LTH,Faculty of Engineering, LTH,Mathematics (Faculty of Engineering),Centre for Mathematical Sciences,Departments at LTH,Faculty of Engineering, LTH,LTH Profile Area: AI and Digitalization,LTH Profile areas,Faculty of Engineering, LTH,LTH Profile Area: Engineering Health,Faculty of Engineering, LTH,Lund Univ, Sweden4 aut0 (Swepub:lu)math-nov
7001 a Pagonis, Christosu Linköpings universitet,Linköping University,Avdelningen för diagnostik och specialistmedicin,Medicinska fakulteten,Region Östergötland, Kardiologiska kliniken US4 aut0 (Swepub:liu)chrpa43
7001 a Åström, Kalleu Lund University,Lunds universitet,Mathematical Imaging Group,Forskargrupper vid Lunds universitet,Matematik LTH,Matematikcentrum,Institutioner vid LTH,Lunds Tekniska Högskola,Stroke Imaging Research group,LTH profilområde: AI och digitalisering,LTH profilområden,LTH profilområde: Teknik för hälsa,Lund University Research Groups,Mathematics (Faculty of Engineering),Centre for Mathematical Sciences,Departments at LTH,Faculty of Engineering, LTH,LTH Profile Area: AI and Digitalization,LTH Profile areas,Faculty of Engineering, LTH,LTH Profile Area: Engineering Health,Faculty of Engineering, LTH,Lund Univ, Sweden4 aut0 (Swepub:lu)math-kas
7001 a Good, Elinu Linköpings universitet,Linköping University,Avdelningen för diagnostik och specialistmedicin,Medicinska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Region Östergötland, Kardiologiska kliniken US4 aut0 (Swepub:liu)eligo36
7001 a Frias-Rose, Jeronimou Linköpings universitet,Linköping University,Institutionen för hälsa, medicin och vård,Medicinska fakulteten,Region Östergötland, Klinisk patologi4 aut0 (Swepub:liu)n/a
7001 a Heyden, Andersu Lund University,Lunds universitet,Mathematical Imaging Group,Forskargrupper vid Lunds universitet,Matematik LTH,Matematikcentrum,Institutioner vid LTH,Lunds Tekniska Högskola,LTH profilområde: AI och digitalisering,LTH profilområden,LTH profilområde: Teknik för hälsa,Lund University Research Groups,Mathematics (Faculty of Engineering),Centre for Mathematical Sciences,Departments at LTH,Faculty of Engineering, LTH,LTH Profile Area: AI and Digitalization,LTH Profile areas,Faculty of Engineering, LTH,LTH Profile Area: Engineering Health,Faculty of Engineering, LTH,Lund Univ, Sweden4 aut0 (Swepub:lu)math-ahe
7001 a Ochoa-Figueroa, Miguelu Linköpings universitet,Linköping University,Institutionen för hälsa, medicin och vård,Medicinska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Region Östergötland, Fysiologiska kliniken US,Region Östergötland, Röntgenkliniken i Linköping4 aut0 (Swepub:liu)migoc11
7102 a Matematik LTHb Matematikcentrum4 org
7730 t Journal of Nuclear Cardiologyd : Springer Science and Business Media LLCg 30:1, s. 116-126q 30:1<116-126x 1071-3581x 1532-6551
8564 u http://dx.doi.org/10.1007/s12350-022-02995-6y FULLTEXT
8564 8u https://lup.lub.lu.se/record/e2236d6a-ef8c-4075-b0bd-864c99f68cec
8564 8u https://doi.org/10.1007/s12350-022-02995-6
8564 8u https://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-185595

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy