Correlations and validations of dual-bolus and dual-sequence quantification of first-pass myocardial perfusion CMR in humans and canines
Notice bibliographique
Résumé
Dual-bolus and dual-sequence techniques have been proposed to maintain the linearity of arterial input function (AIF) in LV during first-pass CMR perfusion imaging. This study compared myocardial blood flow (MBF) estimates using both techniques in humans and in a canine model. CMR perfusion imaging was performed in six canines and thirty patients at 1.5T using dual-bolus (0.005 and 0.05 mmol/kg Gd-DTPA) and dual-sequence techniques with 1RR, 90° composite pulse, 50° SSFP readout, saturation recovery 90 ms, TR 2.4 ms, TE 1.2 ms, matrix size 128 × 80. A low TE 0.6 ms, low-resolution 64 × 48 FLASH image series was also acquired. The AIF was measured from the low-dose high-resolution series (DB), the high-dose low-resolution series (DS), and the high-dose high-resolution conventional single-bolus series (SB). Myocardial time intensity curves were analyzed on a mid-slice based on 6 transmural sectors and quantified by model-constrained deconvolution. In canine experiments, the Pearson's correlation between microsphere MBF and DB (r = 0.89, figure-a) and DS (r = 0.89, figure-b) estimates were excellent with small bias in Bland-Altman analysis (bias -0.19 and -0.73 ml/g/min). There was an excellent correlation and reasonable bias between DB and DS estimates of MBF in canines (r = 0.97, figure-c) and patients (r = 0.98, figure-d). However, SB overestimated MBF (bias +2.50 ml/g/min, p < 0.001) despite a good correlation with microspheres (r = 0.88). In human studies, SB also overestimated MBF versus either DB or DS estimates (bias +1.47 and +1.38 ml/g/min, p < 0.001). The MBF estimates by DB and DS are suitable for CMR perfusion quantification. However, SB experiments have large errors in MBF quantification with the doses and parameters studied. Figure 1
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».