MétaCan
Menu
Retour à la cohorte
Enregistrement W2342273394 · doi:10.1186/1532-429x-18-s1-o11

Quantitative myocardial perfusion imaging using a step arterial-input function

2016· article· en· W2342273394 sur OpenAlexaff
Richard B. Thompson, Justin Grenier, Emer Sonnex, Richard Coulden

Notice bibliographique

RevueJournal of Cardiovascular Magnetic Resonance · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPerfusionAngiologyMedicinePerfusion scanningBolus (digestion)Arterial perfusionBiomedical engineeringCardiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Modern MRI myocardial perfusion protocols use rapid venous bolus injections, typically 3-5 ml/s of 5-15 ml of agent over a few seconds. The resulting arterial input functions are rapidly varying with high agent concentrations (Fig. 1A and 1B ) and thus typically require high temporal resolution acquisitions (~1 sec), custom pulse sequences and complex processing methods for perfusion quantification. A new myocardial perfusion approach, based on a pseudo step arterial-input function (Magn Reson Med. 2005 Aug;54(2):289-98), is introduced that offers simplified and lower concentration input functions, simplified quantitative data processing and reduced demands for high temporal resolution. A) Simulated arterial input and tissue contrast agent concentration (based on 5 ml/s bolus injection and 1 ml/g/min perfusion). B) In-vivo blood (LV pool) and myocardial signal (normalized to baseline) for a bolus injection (XX ml at 5 ml/s) in a healthy control. C) Myocardial tissue response for an idealized step-input for 1 ml/g/min perfusion. D) In-vivo blood (LV pool) and myocardial signal (normalized to baseline) for an optimized pseudo-step-input protocol (same subject as B ). Numerical simulations of whole body vascular systems were used to design optimized venous injection protocols for the generation of step-input-like arterial-input functions targeting the idealized step-input function show in Fig. 1C . A two-compartment numerical model was used to estimate myocardial contrast agent concentration dynamics for conventional (bolus) and step-input protocols. In-vivo experiments were performed on a Siemens Aera 1.5T (Siemens Healthcare, Erlangen, Germany). ECG-gated saturation-recovery (TS=100 ms) bSFFP images were acquired for 120 heartbeats (1 image/beat, diastasis). Matrix size 224 × 136, rate 2 GRAPPA, 8 mm slice, 1.03 ms TE, 2.5 ms TR, 70° flip. All contrast injections were single dose (0.1 mmol/kg) of Magnevist (Bayer). In-vivo data was acquired in 3 healthy controls and 3 CAD patients, all ~90 days post MI (LVEF = 45%-66%, 61-92 kg). Blood/tissue signal intensities were converted to contrast agent concentrations using a Bloch equation look-up-table approach and myocardial perfusion was estimated with an exponential deconvolution approach. Optimized venous injection protocols comprised decaying injection rates over ~1 min. with contrast agent dilution to ~60 ml (same protocol for all subjects). Sample blood and tissue time-intensity curves (normalized to baseline) in a healthy subject are shown in Fig. 1B and 1D , for a standard rapid bolus and an optimized step-input injection protocol. Fig. 2A shows arterial inputs for all subjects, and a sample perfusion map in a healthy control and patient are shown Fig. 2B and 2C . A) Left ventricular arterial input functions for the 6 study subjects using the optimized step input venous injection protocol . Sample quantitative perfusion images for a healthy control subject and a patient with coronary artery disease (CAD) are shown in B) and C) , respectively. A generalizable injection protocol can generate a pseudo arterial step-input function for a range of subject sizes and heart function, offering several advantages over conventional bolus injections: slower tissue dynamics enable multi-slice imaging with single-slice per heart-beat acquisitions, lower concentrations mitigate T 2 * and T 1 saturation effects and long injection duration avoids recirculation effects. The conventional short tissue "dynamic" window (~10 seconds, Fig. 1B inset) reflects complex bolus injection dynamics; the pseudo-step arterial input reveals a longer window (~60 seconds, Fig. 1D ) over which the contrast agent redistributes to the tissue via perfusion (as predicted with compartmental modeling in Fig. 1C ).

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,017
Tête enseignante GPT0,279
Écart entre enseignants0,261 · 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'étudeExpérimental (laboratoire)
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cardiovascular Magnetic ResonanceMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207