Search research articles

Videos de Conceptos Relacionados

Blood Studies for Cardiovascular System I: Cardiac Biomarkers

Blood Studies for Cardiovascular System I: Cardiac Biomarkers

Cardiac biomarkers are enzymes, proteins, and hormones released into the blood when cardiac cells are injured. They are powerful tools for triaging.
The essential diagnostic tools for detecting myocardial necrosis and monitoring individuals suspected of having acute coronary syndrome (ACS) include:
Troponins
Troponins, particularly cardiac troponins I and T, are the most precise and sensitive markers of myocardial injury. They are detectable within 4-6 hours of myocardial injury and remain...

Blood Studies for Cardiovascular System II: CRP, Hcy, and Cardiac Natriuretic Peptide Markers

Blood Studies for Cardiovascular System II: CRP, Hcy, and Cardiac Natriuretic Peptide Markers

Cardiac biomarkers are critical in diagnosing, prognosing, and managing cardiovascular diseases. Routine measurement of specific biomarkers such as B-type natriuretic peptide (BNP), C-reactive protein (CRP), and homocysteine (Hcy) is common practice in clinical settings to evaluate heart function and predict cardiovascular events.
These markers indicate stress or strain on the heart muscle:
Natriuretic Peptides (BNP)
Cardiac myocytes produce these hormones in response to ventricular stretching...

También podría leer

Artículos Relacionados

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

Ordenar por

Same author

SMaRT-Net: A novel framework of 7T brain MRI superresolution for Alzheimer's disease diagnosis and mild cognitive impairment prognostication.

NeuroImage·2026

Same author

Factors Associated With Financial Toxicity Among Family Caregivers of People Living With Dementia in South Korea: A Cross-Sectional Survey.

Research in gerontological nursing·2026

Same author

Self-Reported Driving Problems Predict Future Traffic Crashes in Older Men: Prevalence and Determinants of Unrecognized Imminent Risk.

Journal of the American Geriatrics Society·2026

Same author

Design and Validation of a Hand Interossei Muscle Dynamometer (HIMDNA) for Finger Abduction and Adduction Strength Measurement.

Annals of biomedical engineering·2026

Same author

The impact of bedtime alignment on sleep health in older couples: gender-sensitive analysis.

BJPsych open·2026

Same author

Deep learning model for identification of metabolic bone disease of prematurity using wrist radiographs.

Scientific reports·2026

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Search research articles

Video Experimental Relacionado

Updated: Jan 7, 2026

Dried Blood Spot Collection of Health Biomarkers to Maximize Participation in Population Studies

Dried Blood Spot Collection of Health Biomarkers to Maximize Participation in Population Studies

Published on: January 28, 2014

Biomarcadores

Hee Won Yang¹, Minwoo Cho², Jeong Lan Kim^1,3

¹Chungnam National University Hospital, Daejeon, Daejeon, Korea, Republic of (South).

Alzheimer's & dementia : the journal of the Alzheimer's Association

|December 25, 2025

Resumen

Este resumen es generado por máquina.

Un nuevo modelo de aprendizaje profundo que integra datos de voz y dibujo muestra potencial para el diagnóstico de demencia. El análisis de voz por sí solo es eficaz, mientras que los dibujos mejoran la precisión multiclase, lo que ayuda a la detección temprana.

Palabras clave:

aprendizaje profundo demencia diagnóstico biomarcadores datos multimodales

Más Videos Relacionados

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Published on: October 11, 2018

Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans

Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans

Published on: April 28, 2023

Videos de Experimentos Relacionados

Last Updated: Jan 7, 2026

Dried Blood Spot Collection of Health Biomarkers to Maximize Participation in Population Studies

Dried Blood Spot Collection of Health Biomarkers to Maximize Participation in Population Studies

Published on: January 28, 2014

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Published on: October 11, 2018

Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans

Ecotoxicological Methodologies to Evaluate Biomarkers at Different Scales in Neotropical Anurans

Published on: April 28, 2023

Área de la Ciencia:

Inteligencia Artificial; Diagnóstico Médico; Neurociencia

Sus antecedentes:

El diagnóstico temprano y preciso de la demencia es crucial para un manejo eficaz.; Los métodos de detección tradicionales pueden ser subjetivos y consumir mucho tiempo.; La integración de diversas modalidades de datos ofrece potencial para mejorar la precisión diagnóstica.

Objetivo del estudio:

Desarrollar un modelo de aprendizaje profundo multimodal para el diagnóstico de demencia.; Integrar datos de voz y dibujo de pruebas de detección.; Evaluar el impacto de diferentes modalidades de datos en el rendimiento de la clasificación.

Principales métodos:

Se desarrolló un modelo de aprendizaje profundo multimodal utilizando datos de voz y de dibujo del pentágono de 1.091 participantes.; Los datos de voz se convirtieron en espectrogramas de coeficiente de frecuencia de Mel (MFCC); los dibujos se preprocesaron en imágenes en escala de grises.; Se utilizaron DenseNet y Perceptrón Multicapa (MLP) para la extracción de características, con aprendizaje de conjunto ponderado para el modelo final.

Principales resultados:

El modelo multimodal alcanzó una precisión del 66,3 % y un AUC de 0,73 para la clasificación de tres grupos (normal, MCI, demencia).; Para la clasificación binaria (normal vs. demencia), la precisión alcanzó el 86,9 % y el AUC 0,86.; Los datos de voz por sí solos demostraron un rendimiento sólido; los datos de dibujo mejoraron la clasificación multiclase.

Conclusiones:

El modelo de aprendizaje profundo multimodal que integra datos de voz, dibujo y clínicos muestra un potencial significativo para el diagnóstico de deterioro cognitivo y demencia.; Estos hallazgos resaltan el valor de combinar diversas modalidades de datos para mejorar la precisión diagnóstica.; El enfoque ofrece una solución escalable para la detección temprana de demencia en entornos clínicos y del mundo real.