Four-dimensional Flow Magnetic Resonance Imaging Quantification of Blood Flow in Bicuspid Aortic Valve
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Four-dimensional (D) flow magnetic resonance imaging (MRI) is limited by time-consuming and nonstandardized data analysis. We aimed to test the efficiency and interobserver reproducibility of a dedicated 4D flow MRI analysis workflow. MATERIALS AND METHODS: Thirty retrospectively identified patients with bicuspid aortic valve (BAV, age=47.8±11.8 y, 9 male) and 30 healthy controls (age=48.8±12.5 y, 21 male) underwent Aortic 4D flow MRI using 1.5 and 3 T MRI systems. Two independent readers performed 4D flow analysis on a dedicated workstation including preprocessing, aorta segmentation, and placement of four 2D planes throughout the aorta for quantification of net flow, peak velocity, and regurgitant fraction. 3D flow visualization using streamlines was used to grade aortic valve outflow jets and extent of helical flow. RESULTS: 4D flow analysis workflow time for both observers: 5.0±1.4 minutes per case (range=3 to 10 min). Valve outflow jets and flow derangement was visible in all 30 BAV patients (both observers). Net flow, peak velocity, and regurgitant fraction was significantly elevated in BAV patients compared with controls except for regurgitant fraction in plane 4 (91.1±29.7 vs. 62.6±19.6 mL/s, 37.1% difference; 121.7±49.7 vs. 90.9±26.4 cm/s, 28.9% difference; 9.3±10.1% vs. 2.0±3.4%, 128.0% difference, respectively; P<0.001). Excellent intraclass correlation coefficient agreement for net flow: 0.979, peak velocity: 0.931, and regurgitant fraction: 0.928. CONCLUSION: Our study demonstrates the potential of an efficient data analysis workflow to perform standardized 4D flow MRI processing in under 10 minutes and with good-to-excellent reproducibility for flow and velocity quantification in the thoracic aorta.
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.
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 | 0,001 |
| 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 découle