Improved precision of SPECT myocardial blood flow using a net tracer retention model
Notice bibliographique
Résumé
BACKGROUND: Noninvasive quantification of absolute myocardial blood flow (MBF) and myocardial flow reserve (MFR) provides incremental benefit to relative myocardial perfusion imaging (MPI) to diagnose and manage heart disease. MBF can be measured with single-photon emission computed tomography (SPECT) but the uncertainty in the measured values is high. Standardization and optimization of protocols for SPECT MBF measurements will improve the consistency of this technique. One element of the processing protocol is the choice of kinetic model used to analyze the dynamic image series. PURPOSE: This study evaluates if a net tracer retention model (RET) will provide a better fit to the acquired data and greater test-retest precision than a one-compartment model (1CM) for SPECT MBF, with (+MC) and without (-MC) manual motion correction. METHODS: Data from previously acquired rest-stress MBF studies (31 SPECT-PET and 30 SPECT-SPECT) were reprocessed ± MC. Rate constants (K1) were extracted using 1CM and RET, +/-MC, and compared pairwise with standard PET MBF measurements using cross-validation to obtain calibration parameters for converting SPECT rate constants to MBF and to assess the goodness-of-fit of the calibration curves. Precision (coefficient of variation of test re-test relative differences, COV) of flow measurements was computed for 1CM and RET ± MC using data from the repeated SPECT MBF studies. RESULTS: Both the RET model and MC improved the goodness-of-fit of the SPECT MBF calibration curves to PET. All models produced minimal bias compared with PET (mean bias < 0.6%). The SPECT-SPECT MBF COV significantly improved from 34% (1CM+MC) to 28% (RET+MC, P = 0.008). CONCLUSION: The RET+MC model provides a better calibration of SPECT to PET and blood flow measurements with better precision than the 1CM, without loss of accuracy.
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 | 0,010 | 0,015 |
| 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 | 0,001 |
| 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 ».