La inteligencia artificial en el diagnóstico por imagen cardiacaun camino lleno de retos, desafíos y trampas

  1. García Fernández, Miguel Ángel 1
  1. 1 Sociedad Española de Imagen Cardíaca - SEIC
Revista:
Revista de Ecocardiografía práctica y otras Técnicas de Imagen Cardíaca (RETIC)

ISSN: 2529-976X

Año de publicación: 2023

Título del ejemplar: Journal of Practical Echocardiography and Other Cardiac Imaging Techniques; I-IV

Volumen: 6

Número: 3

Páginas: 1-4

Tipo: Artículo

DOI: 10.37615/RETIC.V6N3A1 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista de Ecocardiografía práctica y otras Técnicas de Imagen Cardíaca (RETIC)

Referencias bibliográficas

  • Tsang W, Salgo IS, Medvedofsky D, et al. Transthoracic 3D Echocardiographic Left Heart Chamber Quantification Using an Automated Adaptive Analytics Algorithm. JACC Cardiovasc Imaging. 2016 Jul;9(7):769-782. doi: https://doi.org/10.1016/j.jcmg.2015.12.020 DOI: https://doi.org/10.1016/j.jcmg.2015.12.020
  • García-García E, González-Romero GM, Martín-Pérez EM, et al. Real-World Data and Machine Learning to Predict Cardiac Amyloidosis. Int J Environ Res Public Health. 2021 Jan 21;18(3):908. doi: https://doi.org/10.3390/ijerph18030908 DOI: https://doi.org/10.3390/ijerph18030908
  • Kusunose K, Abe T, Haga A, et al. A Deep Learning Approach for Assessment of Regional Wall Motion Abnormality from Echocardiographic Images. JACC Cardiovasc Imaging. 2020 Feb;13(2 Pt 1):374-381. doi: https://doi.org/10.1016/j.jcmg.2019.02.024 DOI: https://doi.org/10.1016/j.jcmg.2019.02.024
  • Wifstad SV, Lovstakken L, Avdal J, et al. Quantifying Valve Regurgitation Using 3-D Doppler Ultrasound Images and Deep Learning. IEEE Trans Ultrason Ferroelectr Freq Control. 2022 Dec;69(12):3317-3326. doi: https://doi.org/10.1109/TUFFC.2022.3218281 DOI: https://doi.org/10.1109/TUFFC.2022.3218281
  • Leha A, Hellenkamp K, Unsöld B, et al. A machine learning approach for the prediction of pulmonary hypertension. PLoS ONE. 2019;14(10):e0224453. https://doi.org/10.1371/journal.pone.0224453 DOI: https://doi.org/10.1371/journal.pone.0224453
  • Sengupta PP, Shrestha S, Kagiyama N, et al. A Machine-Learning Framework to Identify Distinct Phenotypes of Aortic Stenosis Severity. JACC. Cardiovascular Imaging. 2021 Sep;14(9):1707-1720. doi: https://doi.org/10.1016/j.jcmg.2021.03.020 DOI: https://doi.org/10.1016/j.jcmg.2021.03.020
  • Skandarani Y, Lalande A, Afilalo J, et al. Generative Adversarial Networks in Cardiology. Can J Cardiol. 2022 Feb;38(2):196-203. doi: https://doi.org/10.1016/j.cjca.2021.11.003 DOI: https://doi.org/10.1016/j.cjca.2021.11.003
  • Koulaouzidis G, Jadczyk T, Iakovidis DK, et al. Artificial Intelligence in Cardiology-A Narrative Review of Current Status. J Clin Med. 2022 Jul;11(13):3910. doi:https://doi.org/10.3390/jcm11133910 DOI: https://doi.org/10.3390/jcm11133910
Fuente de los datos: Dialnet