Imaging small dynamic lesions using positron emission tomography and computed tomography: an 18F-sodium fluoride valvular phantom study
Notice bibliographique
Résumé
Abstract Aims 18F-sodium fluoride (18F-NaF) positron emission tomography (PET) detects active microcalcification and predicts adverse outcomes including bioprosthetic valve deterioration. However, measuring small areas of 18F-NaF uptake within moving structures remains challenging, requiring further optimization. We developed a representative cardiac phantom to optimize 18F-NaF imaging of bioprosthetic valves. Methods and results We placed a bioprosthetic valve with two pockets sutured to the leaflets mimicking valvular lesions and a subvalvular ring mimicking the valve remnant into the phantom and injected each with 18F-radionuclide (1 μCi pockets, 4 μCi ring). We injected the cardiac chambers with iohexol and 18F-radionuclide (0.176 mCi) for background activity. PET and computed tomography (CT) images were acquired using a Siemens Biograph Vision high-resolution digital PET/CT scanner. We analysed target-to-background ratio (TBR) and signal-to-noise ratio (SNR) and subjective measures of image quality. We compared results with a human case of transcatheter aortic valve replacement. Initially the SNR and TBR in the phantom greatly exceeded those from human imaging. We reduced the scan duration used for reconstruction to 30 and 15 s, achieving comparable results (30 s vs. 15 s vs. patient: SNR 45.6 vs. 13.9 vs. 44.3, TBRmax 6.5 vs. 5.4 vs. 4.1, noise 10.2% vs. 8.8% vs. 12.0%). With motion correction, SNR and image quality improved in the phantom (30 s 135.8 vs. 45.6, 15 s 32.9 vs. 13.9) but remained similar in the human case (47.3 vs. 44.3). Conclusion A cardiac phantom can mimic clinical 18F-NaF valve bioprosthesis imaging, providing an opportunity to explore acquisition, reconstruction, and post-processing of 18F-NaF PET/CT for small mobile cardiac structures.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».