Találati lista | Tudóstér

001-es BibID:	BIBFORM121179
035-os BibID:	(Scopus)85188214468
Első szerző:	Epstein, Richard H.
Cím:	Validation of a convolutional neural network that reliably identifies electromyographic compound motor action potentials following train-of-four stimulation : an algorithm development experimental study - Reply to: Br J Anaesth Open 2024:100264 / Richard H. Epstein, Olivia F. Perez, Ira S. Hofer, J. Ross Renew, Reka Nemes, Sorin J. Brull
Dátum:	2024
ISSN:	2772-6096
Tárgyszavak:	Orvostudományok Klinikai orvostudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk electromyography machine learning neural network neuromuscular block train-of-four
Megjelenés:	BJA Open. - 9 (2024), p. 1-8. -
További szerzők:	Perez, Olivia F. Hofer, Ira S. Renew, J. Ross Nemes Réka (1985-) (aneszteziológus, intenzív terápiás szakorvos) Brull, Sorin J.
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM119600
035-os BibID:	(Scopus)85186398760
Első szerző:	Epstein, Richard H.
Cím:	Corrigendum to "Validation of a convolutional neural network that reliably identifies electromyographic compound motor action potentials following train-of-four stimulation: an algorithm development experimental study" [BJA Open 8 (2023) 100236] / Richard H. Epstein, Olivia F. Perez, Ira S. Hofer, J. Ross Renew, Reka Nemes, Sorin J. Brull
Dátum:	2024
ISSN:	2772-6096
Megjegyzések:	The authors regret errors in the above article regarding the use of the term ♭convolutional neural network'. The title should have read ♭Validation of a fully connected neural network that reliably identifies electromyographic compound motor action potentials following train-of-four stimulation: an algorithm development experimental study.' Also, ♭fully connected neural network' should replace ♭convolutional neural network' and ♭FCNN' should replace ♭CNN' in the abstract and the body of the article, respectively. None of the results or conclusions are affected by these corrections. The authors apologise for any inconvenience caused.
Tárgyszavak:	Orvostudományok Klinikai orvostudományok hozzászólás folyóiratcikk
Megjelenés:	BJA Open. - 9 (2024), p. 1. -
További szerzők:	Perez, Olivia F. Hofer, Ira S. Renew, J. Ross Nemes Réka (1985-) (aneszteziológus, intenzív terápiás szakorvos) Brull, Sorin J.
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM117741
035-os BibID:	(Scopus)85181231741
Első szerző:	Epstein, Richard H.
Cím:	Validation of a convolutional neural network that reliably identifies electromyographic compound motor action potentials following train-of-four stimulation : an algorithm development experimental study / Richard H. Epstein, Olivia F. Perez, Ira S. Hofer, J. Ross Renew, Reka Nemes, Sorin J. Brull
Dátum:	2023
ISSN:	2772-6096
Megjegyzések:	Background: International guidelines recommend quantitative neuromuscular monitoring when administering neuromuscular blocking agents. The train-of-four count is important for determining the depth of block and appropriate reversal agents and doses. However, identifying valid compound motor action potentials (cMAPs) during surgery can be challenging because of low-amplitude signals and an inability to observe motor responses. A convolutional neural network (CNN) to classify cMAPs as valid or not might improve the accuracy of such determinations. Methods: We modified a high-accuracy CNN originally developed to identify handwritten numbers. For training, we used digitised electromyograph waveforms (TetraGraph) from a previous study of 29 patients and tuned the model parameters using leave-one-out cross-validation. External validation used a dataset of 19 patients from another study with the same neuromuscular block monitor but with different patient, surgical, and protocol characteristics. All patients underwent ulnar nerve stimulation at the wrist and the surface electromyogram was recorded from the adductor pollicis muscle. Results: The tuned CNN performed highly on the validation dataset, with an accuracy of 0.9997 (99% confidence interval 0.9994?0.9999) and F1 score=0.9998. Performance was equally good for classifying the four individual responses in the train-of-four sequence. The calibration plot showed excellent agreement between the predicted probabilities and the actual prevalence of valid cMAPs. Ten-fold cross-validation using all data showed similar high performance. Conclusions: The CNN distinguished valid cMAPs from artifacts after ulnar nerve stimulation at the wrist with >99.5% accuracy. Incorporation of such a process within quantitative electromyographic neuromuscular block monitors is feasible.
Tárgyszavak:	Orvostudományok Klinikai orvostudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk electromyography machine learning neural network neuromuscular block train-of-four
Megjelenés:	BJA Open. - 8 (2023), p. 1-9. -
További szerzők:	Perez, Olivia F. Hofer, Ira S. Renew, J. Ross Nemes Réka (1985-) (aneszteziológus, intenzív terápiás szakorvos) Brull, Sorin J.
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: