Machine Learning in Cardiology: Predicting Coronary Ischaemia Using Non-hyperaemic Pressure Waveforms - 03/08/22
Doi : 10.1016/j.hlc.2022.06.604
J. Cameron 1, A. Comella 2, N. Sutherland 1, A. Brown 3, T. Phan 4
1 Department of Cardiology, Northern Hospital, Melbourne, Australia
2 Alfred Hospital, Melbourne, Australia
3 Monash Cardiovascular Research Centre, MonashHeart, Monash Health, Melbourne, Australia
4 Department of Neurology, Monash Health and Monash University, Melbourne, Australia
615
Le texte complet de cet article est disponible en PDF.Plan
© 2022
Publié par Elsevier Masson SAS.
Vol 31 - N° S3
P. S344 - 2022 Retour au numéro
Article précédent
- Long-Term Safety and Efficacy of Transcatheter Microwave Renal Denervation in an Ovine Model
- P. Balaji, Tran V. Toan, A. Barry, E. Yang, J. Lu, S. Bandodkar, S. Alvarez, J. Ronquillo, W. Varikatt, A. McEwan, A. Thiagalingam, S. P. Thomas, P. C. Qian
- Machine Learning Techniques Can Identify a High Risk Phenotype of Aortic Stenosis Undergoing Transcatheter Aortic Valve Implantation
- S. Nanayakkara, E. Gard, N. Htun, D. Stub, S. Noaman, R. Johnston, E. Gartner, S. Barker, A. Walton
Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Déjà abonné à cette revue ?