Comparison of cardiac MR feature tracking and myocardial MR tagging for assessment of regional ventricular function
Notice bibliographique
Résumé
Abstract Background Quantification of regional myocardial function allows risk stratification in heart disease. CMR tagging (TAG) enables the evaluation of segmental cardiac deformation, but it has not reached clinical routine due to the long acquisition and post-processing times. Conversely, CMR feature-tracking (FT) is a post-processing method based on standard cine-MR imaging. Purpose To compare myocardial strain and torsion obtained with CMR-TAG and CMR-FT in healthy volunteers and myocardial infarction (MI). Methods 42 subjects (18 healthy; 24 MI) underwent CMR (1.5T, cine/TAG sequences). Global and segmental (16-segment) circumferential strain (CS), and torsion were measured using FT (CVI42, Canada) and tagging (InTag, France). Inter-method agreement was assessed using 2-way-mixed intraclass correlation coefficient (ICC). Results The agreement for segmental and global CS measurements was good to excellent in both groups (Table). Torsion angle showed excellent (0.763) and good (0.697) agreement for healthy and MI. Conclusion CMR-FT strain and torsion measurements showed high agreement with CMR-tagging. Thus, CMR-FT provides a potential clinical alternative in the assessment of regional ventricular function. Funding Acknowledgement Type of funding source: Public grant(s) – National budget only. Main funding source(s): Carlos III Health Institute, Spanish Ministry of Economy and Competiveness; Agencia Valenciana de la Innovaciόn, Generalitat Valenciana
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».