Multi-parametric MRI as an indirect evaluation tool of the mechanical properties of in-vitrocardiac tissues
Notice bibliographique
Résumé
BACKGROUND: Early detection of heart failure is essential to effectively reduce related mortality. The quantification of the mechanical properties of the myocardium, a primordial indicator of the viability of the cardiac tissue, is a key element in patient's care. Despite an incremental utilization of multi-parametric magnetic resonance imaging (MRI) for cardiac tissue characteristics and function, the link between multi-parametric MRI and the mechanical properties of the heart has not been established. We sought to determine the parametric relationship between the myocardial mechanical properties and the MR parameters. The specific aim was to develop a reproducible evaluative quantitative tool of the mechanical properties of cardiac tissue using multi-parametric MRI associated to principal component analysis. METHODS: Samples from porcine hearts were submitted to a multi-parametric MRI acquisition followed by a uniaxial tensile test. Multi linear regressions were performed between dependent (Young's modulus E) and independent (relaxation times T1, T2 and T2*, magnetization transfer ratio MTR, apparent diffusion coefficient ADC and fractional anisotropy FA) variables. A principal component analysis was used to convert the set of possibly correlated variables into a set of linearly uncorrelated variables. RESULTS: Values of 46.1 ± 12.7 MPa for E, 729 ± 21 ms for T1, 61 ± 6 ms for T2, 26 ± 7 for T2*, 35 ± 5% for MTR x 100, 33.8 ± 4.7 for FA x 10⁻², and 5.85 ± 0.21 mm²/s for ADC x 10⁻⁴ were measured. Multi linear regressions showed that only 45% of E can be explained by the MRI parameters. The principal component analysis reduced our seven variables to two principal components with a cumulative variability of 63%, which increased to 80% when considering the third principal component. CONCLUSIONS: The proposed multi-parametric MRI protocol associated to principal component analysis is a promising tool for the evaluation of mechanical properties within the left ventricle in the in vitro porcine model. Our in vitro experiments will now allow us focused in vivo testing on healthy and infracted hearts in order to determine useful quantitative MR-based biomarkers.
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 | 0,001 | 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 ».