MétaCan
Menu
Retour à la cohorte
Enregistrement W2731551298 · doi:10.1007/s10554-017-1199-7

Clinical feasibility and validation of 3D principal strain analysis from cine MRI: comparison to 2D strain by MRI and 3D speckle tracking echocardiography

2017· article· en· W2731551298 sur OpenAlexafffund
Alessandro Satriano, Bobak Heydari, Mariam Narous, Derek V. Exner, Yoko Mikami, M.M. Attwood, John V. Tyberg, Carmen Lydell, Andrew G. Howarth, Nowell M. Fine, James A. White

Notice bibliographique

RevueInternational journal of cardiac imaging · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Function and Risk Factors
Établissements canadiensLibin Cardiovascular Institute of AlbertaFoothills Medical CentreUniversity of Calgary
Organismes subventionnairesUniversity of CalgaryMitacsNovartisSt. Jude MedicalPfizerAmgen
Mots-clésReproducibilityStrain (injury)Feature trackingPrincipal component analysisTracking (education)Ejection fractionNuclear medicineSpeckle tracking echocardiographySpeckle patternPrincipal axis theoremDeformation (meteorology)MedicineRadial stressBiomedical engineeringMathematicsArtificial intelligenceComputer scienceGeometryPhysicsCardiologyInternal medicinePattern recognition (psychology)StatisticsHeart failure

Résumé

récupéré en direct d'OpenAlex

Two-dimensional (2D) strain analysis is constrained by geometry-dependent reference directions of deformation (i.e. radial, circumferential, and longitudinal) following the assumption of cylindrical chamber architecture. Three-dimensional (3D) principal strain analysis may overcome such limitations by referencing intrinsic (i.e. principal) directions of deformation. This study aimed to demonstrate clinical feasibility of 3D principal strain analysis from routine 2D cine MRI with validation to strain from 2D tagged cine analysis and 3D speckle tracking echocardiography. Thirty-one patients undergoing cardiac MRI were studied. 3D strain was measured from routine, multi-planar 2D cine SSFP images using custom software designed to apply 4D deformation fields to 3D cardiac models to derive principal strain. Comparisons of strain estimates versus those by 2D tagged cine, 2D non-tagged cine (feature tracking), and 3D speckle tracking echocardiography (STE) were performed. Mean age was 51 ± 14 (36% female). Mean LV ejection fraction was 66 ± 10% (range 37-80%). 3D principal strain analysis was feasible in all subjects and showed high inter- and intra-observer reproducibility (ICC range 0.83-0.97 and 0.83-0.98, respectively-p < 0.001 for all directions). Strong correlations of minimum and maximum principal strain were respectively observed versus the following: 3D STE estimates of longitudinal (r = 0.81 and r = -0.64), circumferential (r = 0.76 and r = -0.58) and radial (r = -0.80 and r = 0.63) strain (p < 0.001 for all); 2D tagged cine estimates of longitudinal (r = 0.81 and r = -0.81), circumferential (r = 0.87 and r = -0.85), and radial (r = -0.76 and r = 0.81) strain (p < 0.0001 for all); and 2D cine (feature tracking) estimates of longitudinal (r = 0.85 and -0.83), circumferential (r = 0.88 and r = -0.87), and radial strain (r = -0.79 and r = 0.84, p < 0.0001 for all). 3D principal strain analysis is feasible using routine, multi-planar 2D cine MRI and shows high reproducibility with strong correlations to 2D conventional strain analysis and 3D STE-based analysis. Given its independence from geometry-related directions of deformation this technique may offer unique benefit for the detection and prognostication of myocardial disease, and warrants expanded investigation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,574

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,366
Écart entre enseignants0,332 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations47
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational journal of cardiac imagingMême sujetCardiovascular Function and Risk FactorsTravaux en français237 207