MétaCan
Menu
Retour à la cohorte
Enregistrement W2321416665 · doi:10.1093/eurheartj/eht311.5864

3D fusion echocardiography improves 3D left ventricular assessment: comparison with 2D contrast echocardiography

2013· article· en· W2321416665 sur OpenAlexaff
Daniel Augustine, Mohammad Yaqub, Cezary Szmigielski, Eduardo José Lima, Stefan Neubauer, Steffen E. Petersen, Harald Becher, J. Alison Noble, P Leeson

Notice bibliographique

RevueEuropean Heart Journal · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineImage qualityContrast (vision)RadiologyNuclear medicineGold standard (test)Contrast-to-noise ratioArtificial intelligenceComputer scienceImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Purpose: Real time 3D (RT3D) echocardiography has the potential to provide rapid acquisition of whole heart volumes for clinical use where fast, real time assessment of ventricular function is important, such as stress echocardiography. In clinical practice RT3D image quality is limited by echocardiographic windows and stitching artefacts. We hypothesised that fusion of multiple, sequential RT3D volume datasets may improve image quality. We compare this approach to the gold standard reference image for stress echocardiography, 2D contrast echocardiography. Methods: 60 patients had RT3D volumes (1 beat and 4beats) acquired according to 2 protocols. In Protocol A, the 4 chamber view on 2D imaging was visually assessed and a RT3D dataset acquired which was fused with a further two 3D volumes that were acquired following small probe manoeuvres. In protocol B the RT3D volumes (4 beat) were acquired of the optimal 4, 3 and 2 chamber views and these were fused together. Finally 2D contrast images were obtained of 4, 3 and 2 chamber view. The fused, standard RT3D and 2D contrast views were analysed to compare (i) quality (using the standard segmental approach) and (ii) contrast to noise ratio (CNR). Contrast-to-noise ratio (CNR) was used as a quantitative measurement of the image quality- defined as the ratio of the signal intensity differences between image regions (myocardium) and the image noise (blood pool). Each segment was assigned a rating 0-3 depending on the amount of visualised endocardial border defined as: 0 = <50%, 1 = 50-75%, 2 = 75-99%, 3 = 100%. 2 readers analysed images. Bland Altman agreement was used to assess interobserver relationship. Results: 3550 segments in total were analysed. Segmental image quality of both 1 beat and 4 beat standard RT3D views improved significantly with Protocol A fusion (mean 1.4 vs. 1.7 & 1.8 vs. 2.1, P<0.005), although were lower than that seen for 2D contrast echocardiography (mean 2.8). Protocol B fusion improved image quality further (2.1 vs. 2.3, P<0.05) and the CNR was improved when compared to standard RT3D volumes (6.6 vs. 9.0, P<0.05) and was the same as that seen for 2D contrast echocardiography (9.0 vs. 9.0). Interobserver agreement showed a mean difference in image quality assessment between the two readers of 0.2-0.4 image points. Conclusions: 3D fusion significantly improves LV segmental image quality and contrast to noise ratio, approaching that of 2D contrast echocardiography. This may be of clinical relevance in reducing the necessity for contrast echocardiography as well as potential use in 3D stress echocardiography.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,231
Écart entre enseignants0,223 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart JournalMême sujetAdvanced X-ray and CT ImagingTravaux en français237 207