A Spline Model for Rv Registration from Cardiac Pet Images
Notice bibliographique
Résumé
Background: The etiology of pulmonary hypertension (PAH) is poorly understood, and is associated with high morbidity and mortality (life expectancy <3 years). PAH leads to progressive enlargement of the right ventricle (RV) with a rapid decline in function. The utility of non-invasive molecular imaging to track PAH progression, evaluate disease etiology and monitor clinical therapy is currently limited by the lack of automated RV image analysis tools. Objective: To develop a highly automated RV registration, sampling, and analysis tool for human and small animal positron emission tomography (PET) imaging. Methods: We developed a spline-based model for registering the mid-RV myocardium from a PET uptake image. Model fitting was automated by optimizing a constrained cost function with optional operator intervention. Inter- and intra-operator variability of FDG PET uptake activity measurements were evaluated using a dataset consisting of 7 PAH and 12 randomly selected non-PAH human subjects. The dataset was processed twice by each of two operators, a novice and an expert. The accuracy of RV cavity volumes and ejection fraction (EF) measurements from cardiac-gated PET images was evaluated by comparing with results from cardiac magnetic resonance imaging (CMR) in 5 PAH patients. Results: 50% of cases assessed required operator intervention. In intra-operator variability analysis of relative uptake images, the reproducibility coefficient (RPC) for each operator was 5.6% and 6.4% for expert and novice respectively. Inter-operator uptake RPC was 8.2%. RV cavity volumes and EF agreed closely with CMR results (r 2 =0.954, n=10 and r 2 =0.965, n=5 respectively). Conclusions: The RV can be automatically registered in uptake PET images and has performance characteristics that are comparable with established left ventricle analysis tools making it suitable for investigating RV molecular and cardiac functions. Additional work is required to improve automation and evaluate molecular function quantification with dynamic imaging.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».