CN109872818A - 基于人工智能的经食道心超指导左心耳封堵器选择系统 - Google Patents
基于人工智能的经食道心超指导左心耳封堵器选择系统 Download PDFInfo
- Publication number
- CN109872818A CN109872818A CN201910006026.XA CN201910006026A CN109872818A CN 109872818 A CN109872818 A CN 109872818A CN 201910006026 A CN201910006026 A CN 201910006026A CN 109872818 A CN109872818 A CN 109872818A
- Authority
- CN
- China
- Prior art keywords
- heart
- left auricle
- data
- patient
- occluder
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 210000003238 esophagus Anatomy 0.000 title claims abstract description 31
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000013500 data storage Methods 0.000 claims abstract description 22
- 230000004069 differentiation Effects 0.000 claims abstract description 16
- 210000005248 left atrial appendage Anatomy 0.000 claims description 14
- 238000002601 radiography Methods 0.000 claims description 12
- 238000013480 data collection Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 230000001537 neural effect Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 208000007536 Thrombosis Diseases 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001356 surgical procedure Methods 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 206010003658 Atrial Fibrillation Diseases 0.000 description 7
- 238000000034 method Methods 0.000 description 6
- 208000006011 Stroke Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000003146 anticoagulant agent Substances 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 229940123900 Direct thrombin inhibitor Drugs 0.000 description 1
- 229940127219 anticoagulant drug Drugs 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 210000001008 atrial appendage Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003112 inhibitor Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009861 stroke prevention Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 239000003868 thrombin inhibitor Substances 0.000 description 1
- PJVWKTKQMONHTI-UHFFFAOYSA-N warfarin Chemical compound OC=1C2=CC=CC=C2OC(=O)C=1C(CC(=O)C)C1=CC=CC=C1 PJVWKTKQMONHTI-UHFFFAOYSA-N 0.000 description 1
- 229960005080 warfarin Drugs 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及数据自动智能化处理判别系统技术领域，且公开了基于人工智能的经食道心超指导左心耳封堵器选择系统，包括数据采集总系统、云平台数据存储系统、数据建模分析系统和数据显示系统，所述数据采集总系统通信连接于云平台数据存储系统，云平台数据存储系统连接于数据建模分析系统，数据建模分析系统上连接有数据显示系统。该基于人工智能的经食道心超指导左心耳封堵器选择系统，根据该判别结果数据选择左心耳封堵器的类型及大小，使软件可根据食道心超提供的左心耳影像数据自动选择最适合患者的封堵器，从而降低术者主观选择偏倚导致的器械选择不当，减少术者射线摄入量及患者造影剂摄入量，并最终提高手术成功率。
Description
技术领域
本发明涉及数据自动智能化处理判别系统技术领域，具体为基于人工智能的经食道心超指导左心耳封堵器选择系统。
背景技术
非瓣膜性房颤是我国住院患者中最常见的心律失常，当今我国有超过 1000万的非瓣膜性房颤患者，长期控制不佳的房颤会导致脑卒中的发生率升高6-10倍，因此，预防脑卒中对于房颤患者至关重要，目前对于房颤患者的脑卒中预防，口服抗凝剂如华法林、Xa因子抑制剂和直接凝血酶抑制剂是最常用的治疗方式，但所有抗凝药物均不可避免会导致出血风险增加，由于90％的非瓣膜性房颤患者血栓来自左心耳，因此封堵左心耳成为房颤患者预防脑卒中的新方法。
在做左心耳封堵术前，经食道心超是必须完成的检查，其主要目的是明确左心耳内有无血栓、测量左心耳的大小及形态、为左心耳封堵器的选择提供依据以及在手术过程中协助判断封堵器是否到位，但当左心耳结构比较复杂时，常常会由于左心耳封堵器选择不当导致的手术失败，左心耳封堵器选择不当是目前左心耳封堵失败最重要的原因，也是目前左心耳封堵术面临的最大问题。
发明内容
本发明提供了基于人工智能的经食道心超指导左心耳封堵器选择系统，具备可根据食道心超提供的左心耳影像数据自动选择最适合患者的封堵器的优点，解决了上述背景技术中所提到的问题。
本发明提供如下技术方案：基于人工智能的经食道心超指导左心耳封堵器选择系统，包括数据采集总系统、云平台数据存储系统、数据建模分析系统和数据显示系统，所述数据采集总系统通信连接于云平台数据存储系统，云平台数据存储系统连接于数据建模分析系统，数据建模分析系统上连接有数据显示系统；
所述数据采集总系统包括，利用所述经食道心超数据采集系统可获取患者术前左心耳食道心超影像数据，利用所述DSA左心耳造影装置判断左心耳封堵是否成功以判断左心耳封堵器选择是否正确，利用所述患者临床信息收集表获取患者编号、左心耳手术时间、手术是否成功及手术时使用左心耳封堵器的类型及大小；
所述云平台数据存储系统自动导入并存储患者术前左心耳食道心超影像数据和DSA左心耳造影影像，匹配患者临床信息后发送给数据建模分析系统；
所述数据建模分析系统接收经云平台数据存储系统存储的匹配了患者临床信息的左心耳形态4D影像和DSA左心耳造影影像数据，利用基于DenseNet 神经网络训练获得的判别模型进行卷积计算获得判别中间数据，所述判别中间数据经过sigmoid函数映射获得判别结果数据，根据该判别结果数据选择左心耳封堵器的类型及大小；
所述数据显示系统包括显示屏幕，与数据建模分析系统连接，用于显示左心耳内部是否有血栓、左心耳的形态，并给出左心耳封堵器的类型及大小的选择建议。
优选的，所述对待判别人员进行左心耳封堵器类型及大小的选择步骤为：
第一步：采集并获取待判别患者术前左心耳食道心超影像数据和DSA左心耳造影影像；
第二步：数据建模分析系统导入第一步获得的数据
第三步：数据建模分析系统导入已经训练好的预测模型
第四步：运行数据建模分析系统，经过基于DenseNet神经网络的卷积操作之后得到两个实数值R1(深度)，R2(直径)，然后R1，R2经过sigmoid映射，并乘以扩张因子r，得到yk＝(yk1，yk2)。
优选的，所述基于DenseNet神经网络训练获得预测模型的具体获得步骤如下：
设Ik，k＝1，2，...，m.是第k个待选择左心耳封堵器的患者的影像数据，其中m≥10000；SLk＝(SLk1，SLk2)表示第k个病人的临床金标准，SLk1，SLk2分别是病人的实际选择的左心耳风度器的深度与直径向量，如SLk＝(10，20)表示实际临床中选择的封堵器深度为10毫米，直径为20毫米，yk＝(yk1，yk2)是第k个病人预测的封堵器的深度yk1与直径yk2向量，如yk＝(15，10)表示模型预测的封堵器深度为15毫米，直径为10毫米；
第1步：在DenseNet神经网络输入层输入我们的第k个病人的影像数据Ik，k＝1，2，...，m.(共有m个病人的影像数据)；
第2步：经过DenseNet的卷积操作，得到实数向量R＝(R1，R2)
第3步：然后R1，R2经过sigmoid映射并乘以扩张因子r＝50，得到：
第4步：把yk＝(yk1，yk2)与收集到的临床金标准SLk＝(SLk1，SLk2)进行对比是否相等，对照所有的样本的临床金标准后可以得到一个错误率
第5步：我们对判别的错误率的要求是ERROR＝5％，即正确率达到95％如果error＜＝ERROR，则输出模型yk＝(yk1，yk2)；如果error＞ERROR，然后重复第2、3、4、5步直至error＜＝ERROR，然后输出模型yk＝(yk1，yk2)。
优选的，所述临床金标准SLk＝(SLk1，SLk2)存储于所述云平台数据存储系统，其来自于数据采集总系统采集的患者临床信息收集表中记录的患者手术时选择的左心耳封堵器的深度和直径的大小。
优选的，所述经食道心超数据采集系统所获取患者术前左心耳食道心超影像数据包括经食道心超标准切面下0°、45°、90°、135°时的左心耳心态4D影像。
优选的，所述利用所述DSA左心耳造影装置判断左心耳封堵是否成功的标志为造影显示封堵器的完全和近侧闭合，无残余漏，同时保持患者的安全。
本发明具备以下有益效果：
1、该基于人工智能的经食道心超指导左心耳封堵器选择系统，通过利用基于DenseNet神经网络训练获得的判别模型进行卷积计算获得判别中间数据，所述判别中间数据经过sigmoid函数映射获得判别结果数据，根据该判别结果数据选择左心耳封堵器的类型及大小，使软件可根据食道心超提供的左心耳影像数据自动选择最适合患者的封堵器，从而降低术者主观选择偏倚导致的器械选择不当，减少术者射线摄入量及患者造影剂摄入量，并最终提高手术成功率。
2、该基于人工智能的经食道心超指导左心耳封堵器选择系统，通过该软件系统的应用可使左心耳封堵术的学习曲线缩短，使更多术者可在更短时间内掌握如何完成左心耳封堵术。为今后左心耳封堵术向各级医院的推广打下坚实的基础。
附图说明
图1为本发明系统框图。
图中：1、数据采集总系统；2、经食道心超数据采集系统；3、DSA左心耳造影装置；4、患者临床信息收集表；5、云平台数据存储系统；6、数据建模分析系统；7、数据显示系统。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，基于人工智能的经食道心超指导左心耳封堵器选择系统，包括数据采集总系统1、云平台数据存储系统5、数据建模分析系统6和数据显示系统7，数据采集总系统1通信连接于云平台数据存储系统5，云平台数据存储系统5连接于数据建模分析系统6，数据建模分析系统6上连接有数据显示系统7；
数据采集总系统1包括，利用经食道心超数据采集系统2可获取患者术前左心耳食道心超影像数据，经食道心超数据采集系统2所获取患者术前左心耳食道心超影像数据包括经食道心超标准切面下0°、45°、90°、135°时的左心耳心态4D影像，利用DSA左心耳造影装置3判断左心耳封堵是否成功以判断左心耳封堵器选择是否正确，DSA左心耳造影装置3判断左心耳封堵是否成功的标志为造影显示封堵器的完全和近侧闭合，无残余漏，同时保持患者的安全，利用患者临床信息收集表4获取患者编号、左心耳手术时间、手术是否成功及手术时使用左心耳封堵器的类型及大小；
对待判别人员进行左心耳封堵器类型及大小的选择步骤为：
第一步：采集并获取待判别患者术前左心耳食道心超影像数据和DSA左心耳造影影像；
第二步：数据建模分析系统6导入第一步获得的数据
第三步：数据建模分析系统6导入已经训练好的预测模型
第四步：运行数据建模分析系统6，经过基于DenseNet神经网络的卷积操作之后得到两个实数值R1(深度)，R2(直径)，然后R1，R2经过sigmoid 映射，并乘以扩张因子r，得到yk＝(yk1，yk2)；
云平台数据存储系统5自动导入并存储患者术前左心耳食道心超影像数据和DSA左心耳造影影像，匹配患者临床信息后发送给数据建模分析系统6；
数据建模分析系统6接收经云平台数据存储系统5存储的匹配了患者临床信息的左心耳形态4D影像和DSA左心耳造影影像数据，利用基于DenseNet 神经网络训练获得的判别模型进行卷积计算获得判别中间数据，判别中间数据经过sigmoid函数映射获得判别结果数据，根据该判别结果数据选择左心耳封堵器的类型及大小；
基于DenseNet神经网络训练获得预测模型的具体获得步骤如下：
设Ik，k＝1，2，...，m.是第k个待选择左心耳封堵器的患者的影像数据，其中m≥10000；SLk＝(SLk1，SLk2)表示第k个病人的临床金标准，SLk1，SLk2分别是病人的实际选择的左心耳风度器的深度与直径向量，如SLk＝(10，20)表示实际临床中选择的封堵器深度为10毫米，直径为20毫米，yk＝(yk1，yk2)是第k个病人预测的封堵器的深度yk1与直径yk2向量，如yk＝(15，10)表示模型预测的封堵器深度为15毫米，直径为10毫米；
第1步：在DenseNet神经网络输入层输入我们的第k个病人的影像数据Ik，k＝1，2，...，m.(共有m个病人的影像数据)；
第2步：经过DenseNet的卷积操作，得到实数向量R＝(R1，R2)
第3步：然后R1，R2经过sigmoid映射并乘以扩张因子r＝50，得到：
第4步：把yk＝(yk1，yk2)与收集到的临床金标准SLk＝(SLk1，SLk2)进行对比是否相等，对照所有的样本的临床金标准后可以得到一个错误率
第5步：我们对判别的错误率的要求是ERROR＝5％，即正确率达到95％如果error＜＝ERROR，则输出模型yk＝(yk1，yk2)；如果error＞ERROR，然后重复第2、3、4、5步直至error＜＝ERROR，然后输出模型yk＝(yk1，yk2)；
临床金标准SLk＝(SLk1，SLk2)存储于云平台数据存储系统5，其来自于数据采集总系统1采集的患者临床信息收集表4中记录的患者手术时选择的左心耳封堵器的深度和直径的大小；
数据显示系统7包括显示屏幕，与数据建模分析系统6连接，用于显示左心耳内部是否有血栓、左心耳的形态，并给出左心耳封堵器的类型及大小的选择建议。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.基于人工智能的经食道心超指导左心耳封堵器选择系统，包括数据采集总系统、云平台数据存储系统、数据建模分析系统和数据显示系统，其特征在于：所述数据采集总系统通信连接于云平台数据存储系统，云平台数据存储系统连接于数据建模分析系统，数据建模分析系统上连接有数据显示系统；
所述数据采集总系统包括，利用所述经食道心超数据采集系统可获取患者术前左心耳食道心超影像数据，利用所述DSA左心耳造影装置判断左心耳封堵是否成功以判断左心耳封堵器选择是否正确，利用所述患者临床信息收集表获取患者编号、左心耳手术时间、手术是否成功及手术时使用左心耳封堵器的类型及大小；
所述云平台数据存储系统自动导入并存储患者术前左心耳食道心超影像数据和DSA左心耳造影影像，匹配患者临床信息后发送给数据建模分析系统；
所述数据建模分析系统接收经云平台数据存储系统存储的匹配了患者临床信息的左心耳形态4D影像和DSA左心耳造影影像数据，利用基于DenseNet神经网络训练获得的判别模型进行卷积计算获得判别中间数据，所述判别中间数据经过sigmoid函数映射获得判别结果数据，根据该判别结果数据选择左心耳封堵器的类型及大小；
所述数据显示系统包括显示屏幕，与数据建模分析系统连接，用于显示左心耳内部是否有血栓、左心耳的形态，并给出左心耳封堵器的类型及大小的选择建议。
2.根据权利要求1所述的基于人工智能的经食道心超指导左心耳封堵器选择系统，其特征在于：所述对待判别人员进行左心耳封堵器类型及大小的选择步骤为：
第一步：采集并获取待判别患者术前左心耳食道心超影像数据和DSA左心耳造影影像；
第二步：数据建模分析系统导入第一步获得的数据
第三步：数据建模分析系统导入已经训练好的预测模型
第四步：运行数据建模分析系统，经过基于DenseNet神经网络的卷积操作之后得到两个实数值R1(深度)，R2(直径)，然后R1，R2经过sigmoid映射，并乘以扩张因子r，得到yk＝(yk1，yk2)。
3.根据权利要求1所述的基于人工智能的经食道心超指导左心耳封堵器选择系统，其特征在于：所述基于DenseNet神经网络训练获得预测模型的具体获得步骤如下：
设Ik，k＝1，2，...，m.是第k个待选择左心耳封堵器的患者的影像数据，其中m≥10000；SLk＝(SLk1，SLk2)表示第k个病人的临床金标准，SLk1，SLk2分别是病人的实际选择的左心耳风度器的深度与直径向量，如SLk＝(10，20)表示实际临床中选择的封堵器深度为10毫米，直径为20毫米，yk＝(yk1，yk2)是第k个病人预测的封堵器的深度yk1与直径yk2向量，如yk＝(15，10)表示模型预测的封堵器深度为15毫米，直径为10毫米；
第1步：在DenseNet神经网络输入层输入我们的第k个病人的影像数据Ik，k＝1，2，...，m.(共有m个病人的影像数据)；
第2步：经过DenseNet的卷积操作，得到实数向量R＝(R1，R2)
第3步：然后R1，R2经过sigmoid映射并乘以扩张因子r＝50，得到：
第4步：把yk＝(yk1，yk2)与收集到的临床金标准SLk＝(SLk1，SLk2)进行对比是否相等，对照所有的样本的临床金标准后可以得到一个错误率
第5步：我们对判别的错误率的要求是ERROR＝5％，即正确率达到95％如果error＜＝ERROR，则输出模型yk＝(yk1，yk2)；如果error＞ERROR，然后重复第2、3、4、5步直至error＜＝ERROR，然后输出模型yk＝(yk1，yk2)。
4.根据权利要求3所述的基于人工智能的经食道心超指导左心耳封堵器选择系统，其特征在于：所述临床金标准SLk＝(SLk1，SLk2)存储于所述云平台数据存储系统，其来自于数据采集总系统采集的患者临床信息收集表中记录的患者手术时选择的左心耳封堵器的深度和直径的大小。
5.根据权利要求1所述的基于人工智能的经食道心超指导左心耳封堵器选择系统，其特征在于：所述经食道心超数据采集系统所获取患者术前左心耳食道心超影像数据包括经食道心超标准切面下0°、45°、90°、135°时的左心耳心态4D影像。
6.根据权利要求1所述的基于人工智能的经食道心超指导左心耳封堵器选择系统，其特征在于：所述利用所述DSA左心耳造影装置判断左心耳封堵是否成功的标志为造影显示封堵器的完全和近侧闭合，无残余漏，同时保持患者的安全。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910006026.XA CN109872818B (zh) | 2019-01-02 | 2019-01-02 | 基于人工智能的经食道心超指导左心耳封堵器选择系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910006026.XA CN109872818B (zh) | 2019-01-02 | 2019-01-02 | 基于人工智能的经食道心超指导左心耳封堵器选择系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109872818A true CN109872818A (zh) | 2019-06-11 |
| CN109872818B CN109872818B (zh) | 2023-11-24 |
Family
ID=66917567
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910006026.XA Active CN109872818B (zh) | 2019-01-02 | 2019-01-02 | 基于人工智能的经食道心超指导左心耳封堵器选择系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109872818B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108143396A (zh) * | 2018-01-19 | 2018-06-12 | 苏州江奥光电科技有限公司 | 一种基于荧光成像的便携式早期龋齿诊断装置及诊断方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107595347A (zh) * | 2017-09-25 | 2018-01-19 | 潘湘斌 | 一种可重复收放的左心耳封堵器组件及其介入方法 |
| US20180168516A1 (en) * | 2015-08-07 | 2018-06-21 | Aptima, Inc. | Systems and methods to support medical therapy decisions |
| WO2018121345A1 (zh) * | 2016-12-30 | 2018-07-05 | 先健科技(深圳)有限公司 | 左心耳封堵器的输送系统 |
| CN108926343A (zh) * | 2018-07-26 | 2018-12-04 | 上海移视网络科技有限公司 | 基于cnn神经网络的急性心肌梗死定性自动判别系统 |
-
2019
- 2019-01-02 CN CN201910006026.XA patent/CN109872818B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180168516A1 (en) * | 2015-08-07 | 2018-06-21 | Aptima, Inc. | Systems and methods to support medical therapy decisions |
| WO2018121345A1 (zh) * | 2016-12-30 | 2018-07-05 | 先健科技(深圳)有限公司 | 左心耳封堵器的输送系统 |
| CN108261216A (zh) * | 2016-12-30 | 2018-07-10 | 先健科技(深圳)有限公司 | 左心耳封堵器的输送系统 |
| CN107595347A (zh) * | 2017-09-25 | 2018-01-19 | 潘湘斌 | 一种可重复收放的左心耳封堵器组件及其介入方法 |
| CN108926343A (zh) * | 2018-07-26 | 2018-12-04 | 上海移视网络科技有限公司 | 基于cnn神经网络的急性心肌梗死定性自动判别系统 |
Non-Patent Citations (1)
| Title |
|---|
| 汪慧卿: ""经食道超声心动图在房颤患者左心耳封堵术中的临床应用"", vol. 16, no. 92, pages 1 - 2 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108143396A (zh) * | 2018-01-19 | 2018-06-12 | 苏州江奥光电科技有限公司 | 一种基于荧光成像的便携式早期龋齿诊断装置及诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109872818B (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kar et al. | Impact of Watchman and Amplatzer devices on left atrial appendage adjacent structures and healing response in a canine model | |
| Seet et al. | Prolonged rhythm monitoring for the detection of occult paroxysmal atrial fibrillation in ischemic stroke of unknown cause | |
| Li et al. | Artificial arterial blood pressure artifact models and an evaluation of a robust blood pressure and heart rate estimator | |
| CN106599553B (zh) | 疾病预警装置 | |
| US20040225212A1 (en) | Cardiac CT system and method for planning left atrial appendage isolation | |
| CN109190540A (zh) | 活检区域预测方法、图像识别方法、装置和存储介质 | |
| Ammash et al. | Ventricular septal defects in adults | |
| CN107506598A (zh) | 基于健康检查一体机的慢病随访监控系统及方法 | |
| CN101687092A (zh) | 器官监测系统和方法 | |
| CN111553887B (zh) | 桥血管评价信息获取方法及装置 | |
| CN109948719A (zh) | 一种基于残差密集模块网络结构的眼底图像质量自动分类方法 | |
| CN105662387A (zh) | 具有双工作模式的获取血流储备分数值的系统 | |
| CN109497991A (zh) | 基于机器学习的心衰检测装置 | |
| CN107106016A (zh) | 基于生理数据预测患者的连续心输出量(cco)的方法和系统 | |
| CN104188663A (zh) | 一种人体生理参数采集有效值自启动方法及其系统 | |
| CN114305323B (zh) | 经导管主动脉瓣置换术术后并发症预测方法、装置及设备 | |
| CN109872818A (zh) | 基于人工智能的经食道心超指导左心耳封堵器选择系统 | |
| CN112731871A (zh) | 一种基于5g的智能家居监测系统及方法 | |
| CN109727238A (zh) | X光胸片的识别方法及装置 | |
| CN115565667A (zh) | Cto介入治疗成功率的预测方法、装置、设备及介质 | |
| CN106419843A (zh) | 一种肥厚性梗阻性心肌病hocm心脏模型的建立方法及系统 | |
| Bengur et al. | Intraoperative transesophageal echocardiography in congenital heart disease | |
| CN110246126A (zh) | 一种从肺部ct图像中提取末端支气管树的方法 | |
| CN110025376A (zh) | 一种心脏介入手术模拟方法、终端设备及系统 | |
| CN108926343A (zh) | 基于cnn神经网络的急性心肌梗死定性自动判别系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |