‘Image-navigated 3-dimensional late gadolinium enhancement cardiovascular magnetic resonance imaging: feasibility and initial clinical results‘
Notice bibliographique
Résumé
Image-navigated 3-dimensional late gadolinium enhancement (iNAV-3D LGE) is an advanced imaging technique that allows for direct respiratory motion correction of the heart. Its feasibility in a routine clinical setting has not been validated. Twenty-three consecutive patients referred for cardiovascular magnetic resonance (CMR) examination including late gadolinium enhancement (LGE) imaging were prospectively enrolled. Image-navigated free-breathing 3-dimensional (3D) T1-weighted gradient-echo LGE and two-dimensional (2D LGE) images were acquired in random order on a 1.5 T CMR system. Images were assessed for global, segmental LGE detection and transmural extent. Objective image quality including signal-to-noise (SNR), contrast-to-noise (CNR) and myocardial/blood sharpness were performed. Interpretable images were obtained in all 2D–LGE and in 22/23 iNAV-3D LGE exams, resulting in a total of 22 datasets and 352 segments. LGE was detected in 5 patients with ischemic pattern, in 7 with non-ischemic pattern, while it was absent in 10 cases. There was an excellent agreement between 2D and 3D data sets with regard to global, segmental LGE detection and transmurality. Blood-myocardium sharpness measurements were also comparable between the two techniques. SNRblood and CNRblood-myo was significantly higher for 2D LGE (P < 0.001, respectively), while SNRmyo was not statistically significant between 2D LGE and iNAV-3D LGE. Diagnostic performance of iNAV-3D LGE was comparable to 2D LGE in a prospective clinical setting. SNRblood and CNRblood-myo was significantly lower in the iNAV-3D LGE group.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».