Abstract 4136412: Quantitative Cardiac Magnetic Resonance Standardized Signal Intensity Comparison in Dilated Cardiomyopathy versus Cardiac Sarcoidosis
Notice bibliographique
Résumé
Introduction/Background: Dilated cardiomyopathy (DCM) and cardiac sarcoidosis (CS) manifest unique late gadolinium enhancement (LGE) patterns on cardiac magnetic resonance (CMR), indicative of differing distributions of myocardial scar tissue. Nevertheless, these LGE patterns lack specificity, leading to significant overlap between the two conditions. Goals/Aims: This study seeks to introduce a novel quantitative method employing z-score analysis of LGE-CMR signal intensity to objectively evaluate and compare the spatial distribution of LGE intensity between DCM and CS. Methods/Approach: The retrospective cohort included 22 NICM patients (13 DCM, 9 CS) that underwent pre-procedural CMR prior to ventricular tachycardia (VT) ablation between November 2018 to May 2023. LGE images were delineated into sub-endocardial, mid-myocardial, and sub-epicardial layers, categorized into anterior, lateral, inferior, and septal walls based on the AHA 17 segment model for LV myocardial segmentation. CMR signal intensities were standardized as z-scores: z = (x−μ)/σ, where x is the MRI signal intensity for a specific myocardial segment and layer, and μ and σ are the mean and standard deviation across all myocardial segments and layers of the LV, to characterize regional intensity variations. Results/Data: Compared to patients with DCM, those with CS exhibited significantly higher CMR signal intensity z-scores in the septum (β=0.32, p=0.009), particularly in the endocardial third of the right ventricular side (β=0.56, p=0.001). A z-score greater than 0.40 in this area was associated with a CS diagnosis, with an area under the ROC curve of 0.692 in 5-fold cross-validation. Conclusions: Patients with CS exhibit higher affinity for contrast in the septum, particularly on the RV endocardium. Standardized analysis of CMR signal intensities provides a novel, quantitative method for distinguishing CS from DCM, with the former exhibiting higher CMR signal intensity z-scores in the septum.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,003 | 0,001 |
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.
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 ».