Static CT myocardial perfusion imaging: image quality, artifacts including distribution and diagnostic performance compared to 82Rb PET
Notice bibliographique
Résumé
Abstract Background Rubidium-82 positron emission tomography ( 82 Rb PET) MPI is considered a noninvasive reference standard for the assessment of myocardial perfusion in coronary artery disease (CAD) patients. Our main goal was to compare the diagnostic performance of static rest/ vasodilator stress CT myocardial perfusion imaging (CT-MPI) to stress/ rest 82 Rb PET-MPI for the identification of myocardial ischemia. Methods Forty-four patients with suspected or diagnosed CAD underwent both static CT-MPI and 82 Rb PET-MPI at rest and during pharmacological stress. The extent and severity of perfusion defects on PET-MPI were assessed to obtain summed stress score, summed rest score, and summed difference score. The extent and severity of perfusion defects on CT-MPI was visually assessed using the same grading scale. CT-MPI was compared with PET-MPI as the gold standard on a per-territory and a per-patient basis. Results On a per-patient basis, there was moderate agreement between CT-MPI and PET-MPI with a weighted 0.49 for detection of stress induced perfusion abnormalities. Using PET-MPI as a reference, static CT-MPI had 89% sensitivity (SS), 58% specificity (SP), 71% accuracy (AC), 88% negative predictive value (NPV), and 59% positive predictive value (PPV) to diagnose stress-rest perfusion deficits on a per-patient basis. On a per-territory analysis, CT-MPI had 73% SS, 65% SP, 67% AC, 90.8% NPV, and 34% PPV to diagnose perfusion deficits. Conclusions CT-MPI has high sensitivity and good overall accuracy for the diagnosis of functionally significant CAD using 82 Rb PET-MPI as the reference standard. CT-MPI may play an important role in assessing the functional significance of CAD especially in combination with CCTA.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».