Human Fetal Blood Flow Quantification with Magnetic Resonance Imaging and Motion Compensation
Notice bibliographique
Résumé
Magnetic resonance imaging (MRI) is an important tool for the clinical assessment of cardiovascular morphology and heart function. It is also the recognized standard-of-care for blood flow quantification based on phase contrast MRI. While such measurement of blood flow has been possible in adults for decades, methods to extend this capability to fetal blood flow have only recently been developed. Fetal blood flow quantification in major vessels is important for monitoring fetal pathologies such as congenital heart disease (CHD) and fetal growth restriction (FGR). CHD causes alterations in the cardiac structure and vasculature that change the course of blood in the fetus. In FGR, the path of blood flow is altered through the dilation of shunts such that the oxygenated blood supply to the brain is increased. Blood flow quantification enables assessment of the severity of the fetal pathology, which in turn allows for suitable in utero patient management and planning for postnatal care. The primary challenges of applying phase contrast MRI to the human fetus include small blood vessel size, high fetal heart rate, potential MRI data corruption due to maternal respiration, unpredictable fetal movements, and lack of conventional cardiac gating methods to synchronize data acquisition. Here, we describe recent technical developments from our lab that have enabled the quantification of fetal blood flow using phase contrast MRI, including advances in accelerated imaging, motion compensation, and cardiac gating.
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 ».