Rapid slice-to-volume four-dimensional flow in pediatric congenital heart disease: a feasibility study
Notice bibliographique
Résumé
BACKGROUND: Cardiovascular magnetic resonance (CMR) allows cardiac hemodynamic assessment in patients with congenital heart disease (CHD). However, conventional techniques are time-consuming and may require blood contrast agents. Slice-to-volume reconstruction (SVR) four-dimensional (4D) flow is an innovative imaging technique that may overcome these limitations. This study aimed to assess the feasibility of SVR 4D flow in pediatric CHD. METHODS: Patients with CHD (n=7, age=12.9±2.8years) underwent CMR with conventional two-dimensional (2D) phase-contrast magnetic resonance imaging (2D PCMRI) and SVR 4D flow. SVR 4D flow datasets were reconstructed from multi-slice 2D spiral PCMRI acquisitions, which were combined via slice-to-volume reconstruction. Mean flows in major thoracic vessels were measured and compared between the two techniques. Signal-to-noise ratio (SNR) and contrast-to-noise ratio (CNR) were calculated for each participant and compared between imaging techniques. RESULTS: =0.95). The SNR and CNR did not differ significantly between 2D PCMRI and SVR 4D flow data (SNR: p=0.85, CNR: p=0.90). CONCLUSION: Our results suggest that SVR 4D flow CMR is a feasible 5-minute scan (relative to multiple 2D PCMRI prescriptions and scans) in pediatric patients with CHD. SVR 4D flow showed good agreement with 2D PCMRI for mean flow measurements. The advantages of SVR 4D flow support further research such as its comparison with conventional 4D flow.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 | 0,001 |
| 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 ».