Early animal model evaluation of an implantable contrast agent to enhance magnetic resonance imaging of arterial bypass vein grafts
Notice bibliographique
Résumé
Background Non-invasive monitoring of autologous vein graft (VG) bypass grafts is largely limited to detecting late luminal narrowing. Although magnetic resonance imaging (MRI) delineates vein graft intima, media, and adventitia, which may detect early failure, the scan time required to achieve sufficient resolution is at present impractical. Purpose To study VG visualization enhancement in vivo and delineate whether a covalently attached MRI contrast agent would enable quicker longitudinal imaging of the VG wall. Material and Methods Sixteen 12-week-old male C57BL/6J mice underwent carotid interposition vein grafting. The inferior vena cava of nine donor mice was treated with a gadolinium-diethylenetriaminepentaacetic acid (Gd-DTPA)-based contrast agent, with control VGs labeled with a vehicle. T1-weighted (T1W) MRI was performed serially at postoperative weeks 1, 4, 12, and 20. A portion of animals was sacrificed for histopathology following each imaging time point. Results MRI signal-to-noise ratio (SNR) and contrast-to-noise ratio (CNR) were significantly higher for treated VGs in the first three time points (1.73 × higher SNR, P = 0.0006, and 5.83 × higher CNR at the first time point, P = 0.0006). However, MRI signal enhancement decreased consistently in the study period, to 1.29 × higher SNR and 2.64 × higher CNR, by the final time point. There were no apparent differences in graft morphometric analyses in Masson's trichrome-stained sections. Conclusion A MRI contrast agent that binds covalently to the VG wall provides significant increase in T1W MRI signal with no observed adverse effects in a mouse model. Further optimization of the contrast agent to enhance its durability is required.
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 | 0,001 | 0,000 |
| 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 ».