Automatic motion correction for myocardial blood flow estimation improves diagnostic performance for coronary artery disease in 18F-flurpiridaz positron emission tomography-myocardial perfusion imaging
Notice bibliographique
Résumé
Background Motion correction (MC) is critical for accurate quantification of myocardial blood flow (MBF) and flow reserve (MFR) from 18 F-flurpiridaz positron emission tomography (PET) myocardial perfusion imaging (MPI). However, manual correction is time consuming and introduces inter-observer variability. We aimed to validate an automatic MC algorithm for 18 F-flurpiridaz PET-MPI in terms of diagnostic performance for predicting coronary artery disease (CAD). Methods In total, 231 patients who underwent invasive coronary angiography and rest/pharmacologic stress 18 F-flurpiridaz PET-MPI from the phase III Flurpiridaz trial (NCT01347710) were enrolled. For manual MC, two operators (Reader 1 and Reader 2) shifted each frame's images in three directions. The automatic MC algorithm, initially developed for 82 Rb-chloride PET-MPI, was optimized for 18 F-flurpiridaz. Diagnostic performance was compared using minimal segmental MBF/MFR with and without MC to predict obstructive CAD by invasive coronary angiography. Results Manual MC took 10 minutes per case (both stress and rest) on average, while automatic MC required <10 seconds. The area under the receiver operating characteristic curves (AUCs) for significant CAD using minimal segmental MBF were comparable between automatic and manual MC (AUC = 0.877 automatic, AUC = 0.888 Reader 1 and AUC = 0.892 Reader 2; all P > 0.05). AUCs of minimal segmental MBF with manual and automatic MC were significantly higher than without MC ( P < 0.05 for both). Similar findings were observed with minimal segmental MFR . Conclusions Automatic MC can be performed rapidly, with diagnostic performance for predicting obstructive CAD comparable to manual MC. This method could be utilized for analysis of MBF/MFR in patients undergoing 18 F-flurpiridaz PET-MPI.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».