TU‐H‐CAMPUS‐IeP2‐03: Development of 3D Printed Coronary Phantoms for In‐Vitro CT‐FFR Validation Using Data from 320‐ Detector Row Coronary CT Angiography
Notice bibliographique
Résumé
Purpose: To validate Computed Tomography Fractional Flow Reserve (CT‐FFR) measurements with accurate 3D printed coronary phantoms. Methods: DICOM data from four phases in two patients imaged with a standard 320 × 0.5mm coronary CT acquisition (70–80% cardiac cycle) underwent semi‐automated segmentation using a research workstation. Both patients had a >50% stenosis from the clinical image interpretation. Each volume was saved as a Stereo Lithographic (STL) file with 250 micron resolution. The 3D geometries were qualitatively assessed; the best of the four phases was 3D printed using a Stratasys Eden260V printer in Tango+, a rubber‐like material that roughly emulates mechanical properties of human vasculature. We connected the model to a programmable pump and measured the pressure drop using pressure sensors embedded proximal and distal to the arterial stenosis. Next, the STL files used for the 3D printed models were uploaded in the ANSYS meshing tool (ICEM CFD 16.1). A standard meshing process was applied and the meshed geometry was directly imported in the ANSYS Fluent for Computational Flow Dynamics simulations. The CFD simulations were used to calculate the CT‐FFR and compared to the bench top FFR measured in the 3D printed phantoms. Results: FFR‐CT measurements and phantoms were completed in within an hour after the segmentation. Patient 1 had a 60% stenosis that resulted in a CT‐FFR of 0.68. The second case had a 50% stenosis and a CT‐FFR of 0.75. The average bench top FFR measurements were 0.72 and 0.80, respectively. Conclusion: This pilot investigation demonstrated the use of a bench‐top coronary model for CT‐FFR validation. The measurements and the CFD simulations agreed within 6%. Project supported by Support: Toshiba America Medical Systems Corp.and NIH grant R01‐EB002873. Project supported by Toshiba America Medical Systems Corp.and partial support from NIH grant R01‐EB002873
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».