Feasibility Study of Respiratory Motion Modeling Based Correction for MRI-Guided Intracardiac Interventional Procedures
Notice bibliographique
Résumé
GOAL: The purpose of this study is to improve the accuracy of interventional catheter guidance during intracardiac procedures. Specifically, the use of preprocedural magnetic resonance roadmap images for interventional guidance has limited anatomical accuracy due to intraprocedural respiratory motion of the heart. Therefore, we propose to build a novel respiratory motion model to compensate for this motion-induced error during magnetic resonance imaging (MRI)-guided procedures. METHODS: We acquire 2-D real-time free-breathing images to characterize the respiratory motion, and build a smooth motion model via registration of 3-D prior roadmap images to the real-time images within a novel principal axes frame of reference. The model is subsequently used to correct the interventional catheter positions with respect to the anatomy of the heart. RESULTS: We demonstrate that the proposed modeling framework can lead to smoother motion models, and potentially lead to more accurate motion estimates. Specifically, MRI-guided intracardiac ablations were performed in six preclinical animal experiments. Then, from retrospective analysis, the proposed motion modeling technique showed the potential to achieve a 27% improvement in ablation targeting accuracy. CONCLUSION: The feasibility of a respiratory motion model-based correction framework has been successfully demonstrated. SIGNIFICANCE: The improvement in ablation accuracy may lead to significant improvements in success rate and patient outcomes for MRI-guided intracardiac procedures.
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 ».