Multi-View 3-D Fusion Echocardiography: Enhancing Clinical Feasibility with a Novel Processing Technique
Notice bibliographique
Résumé
A novel system for fusing 3-D echocardiography data sets from complementary acoustic windows was evaluated in 12 healthy volunteers and 12 patients with heart failure. We hypothesized that 3-D fusion would enable 3-D echocardiography in patients with limited acoustic windows. At least nine 3-D data sets were recorded, while three infrared cameras tracked the position and orientation of the transducer and chest respiratory movements. Corresponding 2-D planes of the fused 3-D data sets and of single-view 3-D data sets were assessed for image quality and compared with measurements of left ventricular function obtained with contrast 2-D echocardiography. The signal-to-noise ratio in accurately fused 3-D echocardiography recordings improved by 55% in systole (p < 0.001) and 47% in diastole (p < 0.00001) compared with the apical single-view recordings. The 3-D data sets acquired during short breath holds were successfully fused in 11 of 12 patients. The improvement in endocardial border definition (from 11.7 ± 6.0 to 24.0 ± 3.3, p < 0.01) enabled quantitative assessment of left ventricular function in 10 patients, with no significant difference in ejection fraction compared with contrast 2-D echocardiography. In patients with heart failure and limited acoustic windows, the novel fusion protocol provides 3-D data sets suitable for quantitative analysis of left ventricular function.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».