A robust and versatile method for the quantification of myocardial infarct size
Notice bibliographique
Résumé
In order to determine the size of myocardial perfusion infarcts in clinical SPECT images, we have developed a software package iQuant that eliminates the need for a normal-heart database - a problem that exists in commercial products. Details of the iQuant method are presented in this paper together with results from preliminary tests of accuracy and reproducibility. iQuant uses different count thresholds to define viable myocardial tissue and to provide a rough outline of the complete myocardium. This outline together with the visible thickness of the viable myocardium is used by the operator as a guide to determine the location and size of infarcted tissue. Using noiseless data iQuant is shown to be accurate to within 5%; with more clinically realistic simulated data the measured accuracy is 14%. When testing reproducibility, independent operators consistently produced results within 10% of the truth. Clinical experience was shown to be an important factor in the reproducible accuracy of each individual observer. Measurements to date only involve infarcts considered clinically small, but further work is planned to investigate the reliability of this method over a large range of infarct sizes and locations. Initial analysis shows the iQuant software to be an objective, robust and versatile tool suitable for the determination of myocardial perfusion infarct size in the clinical research environment. Its elimination of the need for a normal-heart database is its main advantages over current, commercially availably software.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».