Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Heart Failure IV: Classification and Diagnostic Evaluation01:30

Heart Failure IV: Classification and Diagnostic Evaluation

31
Heart failure can be classified in various ways, with the most common classifications based on physical activity limitations, disease progression, severity, and treatment strategies.The Functional Classification of Heart Failure divides patients into four categories based on physical activity limitation due to symptom burden.Class I: Patients in this class have cardiac disease but no physical activity limitations. Ordinary activities like walking, climbing stairs, or routine tasks do not cause...
31
Pathophysiology of Heart Failure01:17

Pathophysiology of Heart Failure

1.8K
Heart failure (HF) is a progressive syndrome involving ventricles that leads to inadequate cardiac output. It can be classified based on location and output or ejection fraction. Ejection fraction (EF) is an essential measurement in the diagnosis and surveillance of HF. Reduced EF corresponds to systolic heart failure (HFrEF). However, HF with preserved ejection fraction (HFpEF) is becoming increasingly prevalent. Also known as diastolic HF, this form of HF is related to aging. The...
1.8K
Imaging Studies for Cardiovascular System I:Echocardiography01:17

Imaging Studies for Cardiovascular System I:Echocardiography

476
Cardiac imaging studies encompass a wide range of noninvasive and minimally invasive techniques designed to visualize the heart's structure and function in detail. One such technique is echocardiography, which uses high-frequency ultrasound waves to produce detailed images of the heart, known as echocardiograms.
Indications: Echocardiography is utilized to diagnose heart failure, valve disorders, and myocardial infarction. It also assesses cardiac structures' size, shape, and motion,...
476
Heart Failure II: Pathophysiology01:29

Heart Failure II: Pathophysiology

33
Systolic Heart Failure and Compensatory MechanismsSystolic heart failure (also termed HFrEF, Heart Failure with Reduced Ejection Fraction) is the most prevalent type of heart filure. It results in a decreased volume of blood being pumped from the ventricle. The aortic arch and carotid sinuses have baroreceptors that detect reduced blood pressure, triggering the sympathetic nervous system (SNS) to release epinephrine and norepinephrine. Initially, this response aims to boost heart rate and...
33

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Exploiting Dynamic Phase Information for Respiration Monitoring During Sleep via WiFi.

Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference·2025
Same author

Contactless Sensing-Aided Respiration Signal Acquisition Using Improved Empirical Wavelet Transform for Rhythm Detection.

IEEE journal of biomedical and health informatics·2023
Same author

Sleep Staging Using Noncontact-Measured Vital Signs.

Journal of healthcare engineering·2022
Same author

Non-Contact Heartbeat Detection Based on Ballistocardiogram Using UNet and Bidirectional Long Short-Term Memory.

IEEE journal of biomedical and health informatics·2022
Same author

Machine learning-aided risk prediction for metabolic syndrome based on 3 years study.

Scientific reports·2022
Same author

Chromatic dispersion mitigation using a SEFDM-based diversity technique for IM/DD long reach optical links.

Optics express·2019

Video Experimental Relacionado

Updated: Sep 9, 2025

Lumped-Parameter and Finite Element Modeling of Heart Failure with Preserved Ejection Fraction
09:20

Lumped-Parameter and Finite Element Modeling of Heart Failure with Preserved Ejection Fraction

Published on: February 13, 2021

6.6K

Diagnóstico de la insuficiencia cardíaca y clasificación de la fracción de eyección mediante el modelo de fusión de

Shen Feng1, Xianda Wu1, Huan Cen2

  • 1School of Electronic Science and Engineering (School of Microelectronics), South China Normal University, Foshan, 528225, China.

Computer methods and programs in biomedicine
|September 4, 2025
PubMed
Resumen

Este estudio introduce un nuevo marco de aprendizaje profundo híbrido para el monitoreo preciso de la insuficiencia cardíaca en el hogar (HF) y la clasificación de la fracción de eyección ventricular izquierda (LVEF). El método mejora significativamente la precisión del diagnóstico para el estado de HF y LVEF.

Palabras clave:
BalistocardiografíaAprendizaje profundoInsuficiencia cardíacaFracción de eyección ventricular izquierdaExtracción de rasgos a escala múltiple

Más Videos Relacionados

Magnetic Resonance Derived Myocardial Strain Assessment Using Feature Tracking
07:21

Magnetic Resonance Derived Myocardial Strain Assessment Using Feature Tracking

Published on: February 12, 2011

14.4K
Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging
11:13

Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging

Published on: May 24, 2021

6.5K

Videos de Experimentos Relacionados

Last Updated: Sep 9, 2025

Lumped-Parameter and Finite Element Modeling of Heart Failure with Preserved Ejection Fraction
09:20

Lumped-Parameter and Finite Element Modeling of Heart Failure with Preserved Ejection Fraction

Published on: February 13, 2021

6.6K
Magnetic Resonance Derived Myocardial Strain Assessment Using Feature Tracking
07:21

Magnetic Resonance Derived Myocardial Strain Assessment Using Feature Tracking

Published on: February 12, 2011

14.4K
Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging
11:13

Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging

Published on: May 24, 2021

6.5K

Área de la Ciencia:

  • Ingeniería biomédica
  • Cardiología
  • Inteligencia artificial en el cuidado de la salud

Sus antecedentes:

  • La balistocardiografía (BCG) muestra potencial para el monitoreo remoto de la insuficiencia cardíaca (IC).
  • El análisis manual actual de las características de la BCG es insuficiente para caracterizar la dinámica de la fracción de eyección ventricular izquierda (LVEF), especialmente LVEF < 40%.
  • Existe la necesidad de métodos avanzados para mejorar el diagnóstico de la HF y la clasificación de la LVEF utilizando BCG.

Objetivo del estudio:

  • Desarrollar y validar un marco híbrido de fusión de funciones que integre las funciones de aprendizaje manual y profundo de las señales BCG y respiratorias.
  • Para mejorar la precisión del diagnóstico de insuficiencia cardíaca y la clasificación de la fracción de eyección ventricular izquierda.
  • Establecer un marco no clínico para la evaluación de la HF y la EFV en el hogar.

Principales métodos:

  • Se reclutaron 83 participantes, clasificándolos en grupos sanos, HF (LVEF ≥ 40%) y HF (LVEF < 40%).
  • Se recogieron signos vitales sin contacto utilizando sensores piezoeléctricos, aislando las señales de BCG y respiratorias.
  • Desarrolló un modelo híbrido que combina características manuales con características profundas de una red ResNet-BiLSTM de múltiples escalas para el análisis de señales.

Principales resultados:

  • El método híbrido propuesto logró un rendimiento superior al de los métodos manuales tradicionales.
  • Se han logrado altas precisiones de clasificación: 98,20% para la clasificación de dos clases (sanas frente a HF) y 98,76% para la clasificación de tres clases (sanas, HF LVEF ≥ 40%, HF LVEF < 40%).
  • Los resultados se validaron mediante una validación cruzada de cinco veces.

Conclusiones:

  • El marco desarrollado orientado a la atención médica permite un diagnóstico efectivo en el hogar de la HF y la clasificación LVEF.
  • Facilita el cribado preliminar rápido y el diagnóstico auxiliar en entornos no clínicos.
  • Demuestra el potencial de los enfoques híbridos de aprendizaje profundo para el monitoreo remoto de la salud cardiovascular.