Steady‐state first‐pass perfusion (SSFPP): A new approach to 3D first‐pass myocardial perfusion imaging
Notice bibliographique
Résumé
PURPOSE: To describe and characterize a new approach to first-pass myocardial perfusion utilizing balanced steady-state free precession acquisition without the use of saturation recovery or other magnetization preparation. THEORY: The balanced steady-state free precession sequence is inherently sensitive to contrast agent enhancement of the myocardium. This sensitivity can be used to advantage in first-pass myocardial perfusion imaging by eliminating the need for magnetization preparation. METHODS: Bloch equation simulations, phantom experiments, and in vivo 2D imaging studies were run comparing the proposed technique with three other methods: saturation recovery spoiled gradient echo, saturation recovery steady-state free precession, and steady-state spoiled gradient echo without magnetization preparation. Additionally, an acquisition-reconstruction strategy for 3D perfusion imaging is proposed and initial experience with this approach is demonstrated in healthy subjects and one patient. RESULTS: Phantom experiments verified simulation results showing the sensitivity of the balanced steady-state free precession sequence to contrast agent enhancement in solid tissue is similar to that of magnetization-prepared acquisitions. Images acquired in normal volunteers showed the proposed technique provided superior signal and signal-to-noise ratio compared with all other sequences at baseline as well as postcontrast. CONCLUSIONS: A new approach to first-pass myocardial perfusion is presented that obviates the need for magnetization preparation and provides high signal-to-noise ratio.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».