Preliminary Experience Using Motion Compensated CINE Magnetic Resonance Imaging to Visualise Fetal Congenital Heart Disease
Notice bibliographique
Résumé
BACKGROUND: Recent advances in cardiovascular magnetic resonance (CMR) imaging have facilitated CINE imaging of the fetal heart. In this work, a preliminary investigation of the utility of multislice CINE CMR for assessing fetal congenital heart disease is performed and compared with echocardiography. METHODS AND RESULTS: Multislice CINE CMR and echocardiography images were acquired in 25 pregnant women wherein the fetus had a suspected congenital heart defect based on routine obstetric ultrasound. Pathognomonic images were identified for each subject for qualitative comparison of CMR and echocardiography. Quantitative comparison of CMR and echocardiography was then performed by 2 reviewers using a binary scoring of 9 fetal cardiac anatomic features (identifiable/not-identifiable). Pathognomonic images demonstrated the ability of CMR to visualize a variety of congenital heart defects. Overall CMR was able to identify the majority of the 9 assessed fetal cardiac anatomic features (reviewer 1, 7.1±2.1; reviewer 2, 6.7±2.3). Although both reviewers identified more anatomic features with echocardiography (reviewer 1, 7.8±2.3; reviewer 2, 7.5±2.4; P=0.01), combining information from both modalities enabled identification of additional anatomic features across subjects (reviewer 1, 8.4±1.3; reviewer 2, 8.4±1.2). The primary limiting factor for CMR was inadequate coverage of the fetal cardiac anatomy or noncontiguous slices because of gross fetal movement. CONCLUSIONS: CINE CMR enables visualization of fetal congenital heart disease. This work demonstrates the potential of CMR for diagnosing congenital heart disease in utero in conjunction with echocardiography during late gestation.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».