Myocardial Characterization with Extracellular Volume Mapping with a First-Generation Photon-counting Detector CT with MRI Reference
Notice bibliographique
Résumé
Background Photon-counting detector (PCD) CT provides comprehensive spectral data with every acquisition, but studies evaluating myocardial extracellular volume (ECV) quantification with use of PCD CT compared with an MRI reference remain lacking. Purpose To compare ECV quantification for myocardial tissue characterization between a first-generation PCD CT system and cardiac MRI. Materials and Methods In this single-center prospective study, adults without contraindication to iodine-based contrast media underwent same-day cardiac PCD CT and MRI with native and postcontrast T1 mapping and late gadolinium enhancement for various clinical indications for cardiac MRI (the reference standard) between July 2021 and January 2022. Global and midventricular ECV were assessed with use of three methods: single-energy PCD CT, dual-energy PCD CT, and MRI T1 mapping. Quantitative comparisons among all techniques were performed. Correlation and reliability between different methods of ECV quantification were assessed with use of the Pearson correlation coefficient (r) and the intraclass correlation coefficient. Results The final sample included 29 study participants (mean age ± SD, 54 years ± 17; 15 men). There was a strong correlation of ECV between dual- and single-energy PCD CT (r = 0.91, P < .001). Radiation dose was 40% lower with dual-energy versus single-energy PCD CT (volume CT dose index, 10.1 mGy vs 16.8 mGy, respectively; P < .001). In comparison with MRI, dual-energy PCD CT showed strong correlation (r = 0.82 and 0.91, both P < .001) and good to excellent reliability (intraclass correlation coefficients, 0.81 and 0.90) for midventricular and global ECV quantification, but it overestimated ECV by approximately 2%. Single-energy PCD CT showed similar relationship with MRI but underestimated ECV by 3%. Conclusion Myocardial tissue characterization with photon-counting detector CT–based quantitative extracellular volume analysis showed a strong correlation to MRI. © RSNA, 2023 Supplemental material is available for this article.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».