Measuring coronary artery calcification using positron emission tomography-computed tomography attenuation correction images
Notice bibliographique
Résumé
AIMS: Cardiac computed tomography (CT) measured coronary artery calcium (CAC-CT) is a well-validated and accurate tool for estimating atherosclerotic burden and prognosis. Computed tomography attenuation correction (ACCT) obtained during cardiac positron emission tomography (PET) has been used to visually estimate CAC; however, quantification using a non-gated ACCT images has not been described. We sought to understand the relationship between CAC measured using cardiac computed tomography (CT) and CAC using ACCT images obtained during cardiac PET perfusion imaging. METHODS AND RESULTS: Patients with both CAC-CT and cardiac PET within 6 months of each other were identified. CAC-CT images were scored using the Agatston scoring method, while ACCT images were scored using different attenuation thresholds for calcium. CAC-CT and ACCT scores were compared. Between August 2007 and October 2010, 91 patients were included in the analysis. Interobserver reliability was excellent at all thresholds of detection tested. Pearson correlation was strongest between CAC-CT and ACCT at 50 HU threshold of detection (ACCT(50)). Implementing CAC categories (0, 1-100, 101-400, >400), there was a high degree of agreement between observers as well as between CAC-CT and ACCT(50). Correlation was best for lower CAC scores; however, as CAC-CT increased, ACCT(50) underestimated CAC. CONCLUSION: Quantifying CAC using ACCT images appears to be feasible and accurate. In a single cardiac PET examination, information regarding perfusion, LV function, flow quantification, and CAC can be obtained without additional radiation.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».