MétaCan
Menu
Retour à la cohorte
Enregistrement W2105511472 · doi:10.1002/mrm.10486

Fast measurement of intracardiac pressure differences with 2D breath‐hold phase‐contrast MRI

2003· article· en· W2105511472 sur OpenAlexfundno aff
Richard B. Thompson, Elliot R. McVeigh

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Institutes of Health
Mots-clésPulsatile flowImaging phantomBreathingTemporal resolutionBiomedical engineeringTransducerPressure sensorBlood flowImage resolutionContrast (vision)Nuclear medicineComputer scienceAcousticsPhysicsMedicineComputer visionRadiologyCardiologyOptics

Résumé

récupéré en direct d'OpenAlex

Intracardiovascular blood pressure differences can be derived from velocity images acquired with phase-contrast (PC) MRI by evaluating the Navier-Stokes equations. Pressure differences within a slice of interest can be calculated using only the in-plane velocity components from that slice. This rapid exam is proposed as an alternative to the lengthy 3D velocity imaging exams. Despite their good spatial coverage, the 3D exams are prone to artifacts and errors from respiratory motion and insufficient temporal resolution, and are unattractive in the clinical setting due to their excessive scan times (>10 min of free breathing). The proposed single-slice approach requires only one or two breath-holds of acquisition time, and the velocity data can be processed for the calculation of pressure differences online with immediate feedback. The impact of reducing the pressure difference calculation to two dimensions is quantified by comparison with 3D data sets for the case of blood flow within the cardiac chambers. The calculated pressure differences are validated using high-fidelity pressure transducers both in a pulsatile flow phantom and in vivo in a dog model. There was excellent agreement between the transducer and PC-MRI results in all of the studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,295
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations76
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207