Real-time magnetic resonance imaging-guided cryoablation of the pulmonary veins with acute freeze-zone and chronic lesion assessment
Notice bibliographique
Résumé
AIMS: The goals of this study were to develop a method that combines cryoablation with real-time magnetic resonance imaging (MRI) guidance for pulmonary vein isolation (PVI) and to further quantify the lesion formation by imaging both acute and chronic cryolesions. METHODS AND RESULTS: Investigational MRI-compatible cryoablation devices were created by modifying cryoballoons and cryocatheters. These devices were used in canines (n = 8) and a complete series of lesions (PVI: n = 5, superior vena cava: n = 4, focal: n = 13) were made under real-time MRI guidance. Late gadolinium enhancement (LGE) magnetic resonance imaging was acquired at acute and chronic time points. Late gadolinium enhancement magnetic resonance imagings show a significant amount of acute tissue injury immediately following cryoablation which subsides over time. In the pulmonary veins, scar covered 100% of the perimeter of the ostium of the veins acutely, which subsided to 95.6 ± 4.3% after 3 months. Focal point lesions showed significantly larger acute enhancement volumes compared to the volumes estimated from gross pathology measurements (0.4392 ± 0.28 cm3 vs. 0.1657 ± 0.08 cm3, P = 0.0043). Additionally, our results with focal point ablations indicate that freeze-zone formation reached a maximum area after 120 s. CONCLUSION: This study reports on the development of an MRI-based cryoablation system and shows that with acute cryolesions there is a large area of reversible injury. Real-time MRI provides the ability to visualize the freeze-zone formation during the freeze cycle and for focal lesions reaches a maximum after 120 s suggesting that for maximizing lesion size 120 s might be the lower limit for dosing duration.
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 | 0,000 | 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 ».