Postinfarction Ventricular Tachycardia Substrate Characterization: A Comparison Between Late Enhancement Magnetic Resonance Imaging and Voltage Mapping Using an MR-Guided Electrophysiology System
Notice bibliographique
Résumé
Catheter ablation of ventricular tachycardia (VT) is preceded by characterization of the myocardial substrate via electroanatomical voltage mapping (EAVM). The purpose of this study was to characterize the relationship between chronic myocardial fibrotic scar detected by multicontrast late enhancement (MCLE) MRI and by EAVM obtained using an MR-guided electrophysiology system, with a final aim to better understand how these measures may improve identification of potentially arrhythmogenic substrates. Real-time MR-guided EAVM was performed in six chronically infarcted animals in a 1.5T MR system. The MCLE images were analyzed to identify the location and extent of the fibrotic infarct. Voltage maps of the left ventricle (LV) were created with an average of 231 ± 35 points per LV. Correlation analysis was conducted between bipolar voltage and three MR parameters (infarct transmurality, tissue categorization into healthy and scar classes, and normalized relaxation rate R1). In general, tissue regions classified as scar by normalized R1 values were well correlated with locations with low bipolar voltage values. Moreover, our results demonstrate that MRI information (transmurality, tissue classification, and relaxation rate) can accurately predict areas of myocardial fibrosis identified with bipolar voltage mapping, as demonstrated by ROC analysis. MCLE can help overcome limitations of bipolar voltage mapping including long durations and lower spatial discrimination and may help identify the sites within scars, which are commonly believed to trigger arrhythmic events in postinfarction patients.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».