In vivo coronary artery plaque assessment with computed tomography angiography: is there an impact of iterative reconstruction on plaque volume and attenuation metrics?
Notice bibliographique
Résumé
Background Coronary computed tomography angiography (CTA) allows the evaluation of coronary plaque volume and low attenuation (lipid-rich) component, for plaque vulnerability assessment. Purpose To determine the effect of iterative reconstruction (IR) on coronary plaque volume and composition. Material and Methods Consecutive patients without coronary artery disease were prospectively enrolled for 256-slice CT. Images were reconstructed with both filtered back projection (FBP) and a hybrid IR algorithm (iDose 4 , Philips) levels 1, 3, 5, and 7. Coronary plaques were assessed according to predefined Hounsfield unit (HU) attenuation intervals, for total plaque and HU-interval volumes. Results Fifty-three patients (mean age, 53.6 years) were included. Noise was significantly decreased and signal-to-noise ratio (SNR) / contrast-to-noise (CNR) were both significantly improved at all IR levels in comparison to FBP. Plaque characterization was performed in 41 patients for a total of 125 plaques. Total plaque volume ranged from 104.4 ± 120.7 to 107.4 ± 128.9 mm 3 and low attenuation plaque component from 40.5 ± 54.7 to 43.5 ± 58.9 mm 3 , with no statistically significant differences between all IR levels and FBP ( P = 0.786 and P ≥ 0.078, respectively). Conclusion IR improved image quality. Total and low attenuation plaque volumes were similar using either IR or FBP.
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 | 0,000 | 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 ».