MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388521048 · doi:10.21203/rs.3.rs-3417055/v1

A Dynamic Phantom Model for Research and Quality Control in Cardiac Imaging

2023· preprint· en· W4388521048 sur OpenAlexaff
François Tournoux, Amir Hodžić, Arnaud Pellissier, Éric Saloux

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueCardiac Imaging and Diagnostics
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésImaging phantomBiomedical engineeringEcho (communications protocol)3D ultrasoundSpeckle patternQuality assuranceTracking (education)CalibrationTransducerComputer scienceSoftwareMaterials scienceUltrasoundNuclear medicinePhysicsArtificial intelligenceAcousticsMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background. Accurate myocardial function and chamber quantification is of major interest. Lack of standardization between the different vendors, difficulties in performing validation studies and absence of reference systems for calibration have slowed down the expansion of such technologies in clinical practice. The goal of this study was to build a dynamic cardiac phantom to enable in vitro assessment of echo software algorithms. Methods. Using a polyvinyl alcoholic gel, we built a multimodality phantom model. Three pneumatic cylinders and a computer-driven control system allowed a 3D deformation capability. Sonomicrometer crystals were positioned on the phantom and used as reference for strain. The transducer tip was successively fixed at the apex of the gel for longitudinal strain assessment. Peaks of strain obtained by echo were then compared to the strain recorded by the sonomicrometers. The phantom was also scanned using an ultrasound machine with 3D capabilities and an MRI machine. MRI-volumes were compared to those obtained by 3D-echo. Results. We were able to apply various levels of longitudinal strain (-5 to -22%), and there was a strong and significant correlation between strain measured by tissue Doppler and sonomicrometers (R2 = 0.91, P = 0.0001) as well as between measurements by speckle tracking and sonomicrometers (R2 = 0.97, P < 0.0001). There was also a significant correlation between the volumes assessed by 3D-echo and MRI (R² = 0.94, P < 0.0001). Conclusion. This cardiac phantom model demonstrates realistic and complex deformation and is a promising tool to improve new echo algorithms, test their accuracy and standardize the measurements between different providers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,223
Tête enseignante GPT0,537
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetCardiac Imaging and Diagnostics→Travaux en français237 207→