Improving the evaluation of cardiac function in rats at 7T with denoising filters: a comparison study
Notice bibliographique
Résumé
BACKGROUND: We investigate the use of different denoising filters on low signal-to-noise ratio cardiac images of the rat heart acquired with a birdcage volume coil at 7T. Accuracy and variability of cardiac function parameters were measured from manual segmentation of rat heart images with and without filtering. METHODS: Ten rats were studied using a 7T Varian system. End-diastolic and end-systolic volumes, ejection fraction and left ventricle mass (LVM) were calculated from manual segmentation by two experts on cine-FLASH short-axis slices covering the left ventricle. Series were denoised with an anisotropic diffusion filter, a whole variation regularization or an optimized Rician non-local means (ORNLM) filtering technique. The effect of the different filters was evaluated by the calculation of signal-to-noise (SNR) and contrast-to-noise (CNR) ratios, followed by a study of intra- and inter-expert variability of the measurement of physiological parameters. The calculated LVM was compared to the LVM obtained by weighing the heart ex vivo. RESULTS: The SNR and the CNR increased after application of the different filters. The performance of the ORNLM filter was superior for all the parameters of the cardiac function, as judged from the inter- and intra-observer variabilities. Moreover, this filtering technique resulted in the lowest variability in the LVM evaluation. CONCLUSIONS: In cardiac MRI of rats, filtering is an interesting alternative that yields better contrast between myocardium and surrounding tissues and the ORNLM filter provided the largest improvements.
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 | 0,001 |
| 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 ».