Manual planimetric measurement of carotid plaque volume using three‐dimensional ultrasound imaging
Notice bibliographique
Résumé
We investigated the utility of three manual planimetric methods to quantify carotid plaque volume. A single observer measured 15 individual plaques from 15 three-dimensional (3D) ultrasound (3D US) images of patients ten times each using three different planimetric approaches. Individual plaque volumes were measured (range: 32.6-597.1 mm3) using a standard planimetric approach (M1) whereby a plaque end was identified and sequential contours were measured. The same plaques were measured using a second approach (M2), whereby plaque ends were first identified and the 3D US image of the plaque was then subdivided into equal intervals. A third method (M3) was used to measure total plaque burden (range: 165.1-1080.0 mm3) in a region (+/- 1.5 cm) relative to the carotid bifurcation. M1 systematically underestimated individual plaque volume compared to M2 (V2 = V1 + 14.0 mm3, r = 0.99, p = 0.006) due to a difference in the mean plaque length measured. Coefficients of variance (CV) for M1 and M2 decrease with increasing plaque volume, with M2 results less than M1. Root mean square difference between experimental and theoretical CV for M2 was 3.2%. The standard deviation in the identification of the transverse location of the carotid bifurcation was 0.56 mm. CVs for plaque burden measured using M3 ranged from 1.2% to 7.6% and were less than CVs determined for individual plaque volumes of the same volume. The utility of M3 was demonstrated by measuring carotid plaque burden and volume change over a period of 3 months in three patients. In conclusion, M2 was determined to be a more superior measurement technique than M1 to measure individual plaque volume. Furthermore, we demonstrated the utility of M3 to quantify regional plaque burden and to quantify change in plaque volume.
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 | 0,001 | 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 ».