MétaCan
Menu
Retour à la cohorte
Enregistrement W2794971517 · doi:10.1007/s12350-018-1261-4

Saline-push improves rubidium-82 PET image quality

2018· article· en· W2794971517 sur OpenAlexaff
Jennifer M. Renaud, Kai Yi Wu, Kimberly Gardner, May Aung, Rob Beanlands, Robert A. deKemp

Notice bibliographique

RevueJournal of Nuclear Cardiology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineSalineVentricleMyocardial perfusion imagingImage qualityNuclear medicinePerfusionCardiac PETPet imagingCoefficient of variationRadiologyPositron emission tomographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Rubidium-82 (82Rb) PET is used widely for myocardial perfusion imaging. The purpose of this study was to investigate if an additional saline-push following the 82Rb elution improves PET image quality. 82Rb PET scans were acquired with and without 26 mL saline-push in six patients as part of a clinical quality improvement program. Dynamic images were analyzed to measure the total activity delivered to the superior vena cava (SVC) and retained in the left ventricle (LV) myocardium. Tracer uptake images were used to measure blood background coefficient-of-variation (COV), myocardium-to-blood signal-to-noise ratio (SNR), and contrast-to-noise ratio (CNR) to assess image quality. Similar eluted activity was measured with/without the saline-push (830 vs 795 MBq; P = 0.24). The activity delivered to the heart and retained in the myocardium was consistently increased more than twofold (SVC: + 114% and LV: + 104%; P < 0.001) with the saline-push. Image quality was improved in all patients, with lower background noise (COV: − 19%), higher SNR (+ 24%) and CNR (+ 27%) (all P ≤ 0.01). The saline-push used to flush 82Rb activity out of the infuser tubing, patient injection and intravenous access lines consistently increased the activity delivered to the heart by twofold. This technique is recommended to maximize image quality with 82Rb PET.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,577
Score d'incertitude au seuil0,291

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,030
Tête enseignante GPT0,367
Écart entre enseignants0,336 · 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'étudeSans objet
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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear CardiologyMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207