Publication

Prediction of Left Atrial Volume Parameters from Resting ECGs and Tabular Data Using Deep Learning in the UK Biobank

2026

Résumé

We present a deep learning model that predicts left atrial (LA) volume from standard 12-lead ECG recordings and basic patient data. This approach offers a low-cost, scalable alternative to MRI-based LA volume measurement, which remains the clinical gold standard but is often inaccessible. Our model performs regression directly on LA volume targets and leverages Shapley values to provide interpretable feature importance. Results highlight the predictive value of ECG signals and demonstrate that patient features such as weight and height contribute meaningfully to the estimation.

Source officielle

https://infoscience.epfl.ch/entities/publication/1ec9ce25-7aa6-43d4-aaff-66e5c261c0f5

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2026

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/1ec9ce25-7aa6-43d4-aaff-66e5c261c0f5

À propos de ce résultat

Concepts associés (32)

Électrocardiographie

vignette|L'électrocardiographie est la technique d'enregistrement des courants électriques accompagnant les contractions du cœur. Elle est réalisée grâce à un électrocardiographe relié au patient par des électrodes. vignette|Un électrocardiogramme est une représentation graphique sur papier de l'activité électrique du cœur. L'électrocardiographie (ECG) est une représentation graphique de l'activité électrique du cœur.

Signal-averaged electrocardiogram

Signal-averaged electrocardiography (SAECG) is a special electrocardiographic technique, in which multiple electric signals from the heart are averaged to remove interference and reveal small variations in the QRS complex, usually the so-called "late potentials". These may represent a predisposition towards potentially dangerous ventricular tachyarrhythmias. A resting electrocardiogram (ECG) is recorded in the supine position using an ECG machine equipped with SAECG software; this can be done by a physician, nurse, or medical technician.

Tissu cardionecteur

Le tissu nodal ou tissu cardionecteur ou anciennement tissu électrogénique est un tissu incrusté dans le cœur, à l'origine de la contraction automatique du myocarde. Il correspond à l'innervation nerveuse intrinsèque cardiaque. Quantitativement peu abondant, le tissu nodal est constitué par des cellules musculaires striées présentant plusieurs caractéristiques du tissu myocardique embryonnaire ; ces cellules sont noyées dans la masse du tissu myocardique et portent le nom de tissu nodal du fait qu'elles se répartissent en amas ou nœuds.

Afficher plus

Publications associées (20)

Afficher plus

Prediction of Left Atrial Volume Parameters from Resting ECGs and Tabular Data Using Deep Learning in the UK Biobank

Chattez avec Graph Search

Estimation of Physiological Metrics from Resting ECGs Using Deep Learning in the UK Biobank, Including submaximal exercise derived V̇O 2 max, Body Fat Percentage, and Grip Strength

Melanoma Detection through Combining Reinforcement Learning, Generative Adversarial Network, and Bayesian Optimization

Optimizing hepatitis C diagnosis through reinforcement learning feature selection and multi-model machine learning evaluation