One-tissue compartment model for myocardial perfusion quantification with N-13 ammonia PET provides matching results: A cross-comparison between Carimas, FlowQuant, and PMOD
Notice bibliographique
Résumé
PURPOSE: To cross-compare three software packages (SPs)-Carimas, FlowQuant, and PMOD-to quantify myocardial perfusion at global, regional, and segmental levels. MATERIALS AND METHODS: Stress N-13 ammonia PET scans of 48 patients with HCM were analyzed in three centers using Carimas, FlowQuant, and PMOD. Values agreed if they had an ICC > 0.75 and a difference < 20% of the median across all observers. RESULTS: When using 1TCM on the global level, the agreement was good, and the maximum difference between 1TCM MBF values was 17.2% (ICC = 0.83). On the regional level, the agreement was acceptable except in the LCx region (25.5% difference, ICC = 0.74) between FlowQuant and PMOD. Carimas-1TCM agreed well with PMOD-1TCM and FlowQuant-1TCM. Values obtained with FlowQuant-1TCM had a somewhat lesser agreement with PMOD-1TCM, especially at the segmental level. CONCLUSIONS: The global and regional MBF values (with one exception) agree well between the different software packages. There is significant variability in segmental values, mainly located in the LCx region and segments. Out of the studied tools, Carimas can be used interchangeably with both PMOD and FlowQuant for 1TCM implementation on all levels-global, regional, and segmental.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 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 ».