Quantification of Roughness of Calcific Deposits in Computed Tomography Scans of Human Coronary Arteries
Notice bibliographique
Résumé
OBJECTIVES: The incidence of coronary artery disease has been shown to be greater in patients with calcific deposits than in those without. It has been suggested that the pattern of distribution of coronary calcific deposits within coronary arteries is of greater predictive value for acute coronary events than the overall quantity. Whether roughness of calcific deposits is a predictor of acute coronary events is not known. We derived and tested an algorithm, Voxel-Based Bosselation (VBB), for noninvasive quantification of roughness of calcific deposits in human coronary arteries imaged by computed tomography (CT). METHODS AND RESULTS: VBB was tested on 213 coronary calcific deposits from electron beam CT scans of 27 patients. This algorithm evaluates the 3-dimensional connectedness of surface voxels of each deposit: smooth masses have low VBB and rough masses high VBB. The algorithm was calibrated with artificially generated phantoms as well as background noise mimicking calcific deposits and surrounding heart tissue. The VBB algorithm is applicable to calcific deposits of all scales and gradations. The VBB values of the deposits in this study did not correlate with deposit size further supporting its validity as a measurement of roughness. The VBB index corresponded directly with visual reconstruction using Phong-shaded algorithms. CONCLUSIONS: The VBB index, derived here, is a noninvasive method of quantifying the roughness of calcific deposits in CT scan data which can now be used in future clinical studies to determine possible correlations with increased plaque vulnerability and major acute coronary events.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».