Myocardial blood flow quantification for evaluation of coronary artery disease by computed tomography
Notice bibliographique
Résumé
During the last decade coronary computed tomography angiography (CTA) has become the preeminent non-invasive imaging modality to detect coronary artery disease (CAD) with high accuracy. However, CTA has a limited value in assessing the hemodynamic significance of a given stenosis due to a modest specificity and positive predictive value. In recent years, different CT techniques for detecting myocardial ischemia have emerged, such as CT-derived fractional flow reserve (FFR-CT), transluminal attenuation gradient (TAG), and myocardial CT perfusion (CTP) imaging. Myocardial CTP imaging can be performed with a single static scan during first pass of the contrast agent, with monoenergetic or dual-energy acquisition, or as a dynamic, time-resolved scan during stress by using coronary vasodilator agents (adenosine, dipyridamole, or regadenoson). A number of CTP techniques are available, which can assess myocardial perfusion in both a qualitative, semi-quantitative or quantitative manner. Once used primarily as research tools, these modalities are increasingly being used in routine clinical practice. All these techniques offer the substantial advantage of combining anatomical and functional evaluation of flow-limiting coronary stenosis in the same examination that would be beneficial for clinical decision-making. This review focuses on the state-of the-art and future trends of these evolving imaging modalities in the field of cardiology for the physiologic assessments of CAD.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| 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 ».