Multiparametrischer Algorithmus zur Quantifizierung des epikardialen Fettgewebes bei Patienten mit nicht-ischämischer Herzkrankheit

Summary

Hier stellen wir ein Protokoll zur Quantifizierung von epikardialem Fettgewebe mittels kontrastfreier CT vor, das eine schnelle, kostengünstige und kontrastmittelfreie Alternative zur kardialen Magnetresonanz für klinische und Forschungsanwendungen darstellt.

Abstract

Epikardiales Fettgewebe (EAT), ein aktives endokrines und parakrines Organ, trägt zur kardiovaskulären Pathogenese bei. Die kardiale Magnetresonanz (CMR) ist zwar der Referenzstandard für die Quantifizierung des EAT-Volumens (EATV), ihr klinischer Nutzen ist jedoch begrenzt. Die in der Radiologie weit verbreitete kontrastmittelfreie Thorax-CT (NCCT) bietet eine mögliche Alternative. Obwohl die Koronarangiographie (CCTA) die Abgrenzung der EAT-Myokardgrenze verbessert, ist ihre Anwendung durch das Risiko von Kontrastmittelallergien und eine erhöhte Strahlenbelastung eingeschränkt. In dieser Studie wird die Machbarkeit der NCCT für die EATV-Bewertung im Vergleich zur CMR untersucht. Wir haben 120 Patienten mit nicht-ischämischer Herzkrankheit aufgenommen, die sich während eines einzigen Krankenhausaufenthalts sowohl einer NCCT als auch einer CMR unterzogen haben. Die Messung der EATV erfolgte mittels CMR-basierter volumetrischer Analyse und NCCT-basierter Graustufenschwellensegmentierung. Die EAT-Dicke wurde an sechs anatomischen Stellen (linke/rechte atrioventrikuläre Rillen, anteriore/posterior/obere interventrikuläre Rillen und rechtsventrikuläre freie Wand) auf beiden Modalitäten quantifiziert. Statistische Analyse verglich Volumen- und Dickenmessungen. Die aus der NCCT-Schwellensegmentierung abgeleitete EATV zeigte keinen signifikanten Unterschied zur CMR-Volumetrie (P > 0,05). In ähnlicher Weise zeigten EAT-Dickenmessungen an allen sechs Standorten keine signifikanten Unterschiede zwischen NCCT und CMR (alle P > 0,05). Die NCCT-basierte Graustufen-Schwellensegmentierung ermöglicht EATV-Messungen, die mit dem CMR-Referenzstandard vergleichbar sind. Dies bestätigt die NCCT als schnelle, kostengünstige und klinisch machbare Alternative für eine genaue EAT-Quantifizierung.

Introduction

Die Symptome und Beschwerden bei Patienten mit nicht-ischämischer Herzkrankheit sind vielfältig und werden häufig fälschlicherweise als nicht-kardiale Erkrankungen diagnostiziert. Bei Patienten, die sich wegen Verdachts auf Ischämie einer invasiven Angiographie unterziehen, hat ein erheblicher Anteil (bis zu 70 %) keine obstruktive koronare Herzkrankheit. Viele dieser Patienten zeigen Symptome, die mit ischämischen Erscheinungen übereinstimmen, obwohl keine signifikante Stenose vorliegt, und fallen unter ein breiteres Spektrum nicht-ischämischer Herzerkrankungen¹. In der WISE-Studie (Women's Ischemia Syndrome Evaluation-Coronary Vascular Dysfunction), an der 883 Patientinnen teilnahmen, fehlte bei etwa zwei Dritteln (62 %) eine signifikante obstruktive Stenose². Darüber hinaus sind Patienten mit nicht-obstruktiver koronarer Herzkrankheit tendenziell jünger als Patienten mit obstruktiver Erkrankung. Im Vergleich zu asymptomatischen Personen sind diese Patienten mit einer erhöhten Rate kardiovaskulärer Ereignisse, wiederkehrenden Krankenhausaufenthalten, einer beeinträchtigten Lebensqualität und erhöhten Gesundheitskosten verbunden³.

Epikardiales Fettgewebe (EAT), ein aktives Fettdepot mit endokrinen Funktionen ^4,5, weist Veränderungen in Volumen und Dicke auf, die eng mit kardiovaskulären Ereignissen wie koronarer Atherosklerose und Vorhofflimmern verbunden sind ^6,7,8,9. Während sich die kardiale Magnetresonanz (CMR) mit ihrer überlegenen Weichteilauflösung als Goldstandard für die EAT-Messung etabliert hat, ist ihre klinische Anwendung durch lange Scanzeiten, hohe Kosten, Kontraindikation bei Patienten mit Herzschrittmachern und schlechte Verträglichkeit bei Personen mit Klaustrophobie eingeschränkt¹⁰. Die aktuelle Forschung konzentriert sich vor allem auf die Koronare Computertomographie-Angiographie (CCTA)¹¹. Obwohl die Gefäßverstärkung die Unterscheidung der Grenze zwischen EAT und Myokard erleichtert, birgt CCTA Risiken wie Kontrastmittelallergie, erhöhte Strahlendosis und höhere Kosten, was zu einer eingeschränkten Anwendbarkeit in allgemeinen Patientenpopulationen führt. Umgekehrt bietet die kontrastmittelfreie CT (NCCT), die in der klinischen Praxis am weitesten verbreitete CT-Modalität, mehrere deutliche Vorteile: (1) schnelle Scanzeit (Minuten) ohne Kontrastmittel, was zu einer niedrigen Strahlendosis und relativ niedrigen Kosten führt, was eine breitere klinische Akzeptanz fördert; (2) typische EAT weist Werte der Hounsfield Unit (HU) im Bereich von -190 bis -30 auf, was eine quantitative Analyse auf der Grundlage der Gewebedichte ermöglicht. Studien deuten darauf hin, dass die EAT-Dichte während des akuten Koronarsyndroms signifikant zunimmt, was zeigt, dass die quantitative Analyse mittels HU normales Fettgewebe effektiv von entzündlichem Fettgewebe unterscheiden kann¹². Noch wichtiger ist, dass die routinemäßige CT ohne Kontrastmittel die perikardiale Grenzfläche klar sichtbar macht, ohne dass Kontrastmittel erforderlich sind, was eine neue Möglichkeit für die EAT-Messung darstellt. Daher hat die Erforschung von Methoden zur Quantifizierung der EAT mittels kontrastfreier CT einen erheblichen klinischen Wert für die Förderung einer frühzeitigen kardiovaskulären Risikobewertung.

In dieser Studie wurde daher ein halbautomatischer, multiparametrischer Algorithmus zur Quantifizierung der EAT aus routinemäßig erfassten Nicht-Kontrast-CT entwickelt und validiert. Unsere wichtigsten Ergebnisse zeigen, dass diese Methode das EAT-Volumen und die Dämpfung bei Patienten mit nicht-ischämischer Herzkrankheit zuverlässig misst. Während es für CCTA EAT-Quantifizierungsprotokolle gibt, fehlt eine spezielle Methode für die kontrastfreie CT. Unser Ansatz adressiert diese Lücke direkt. Es nutzt die inhärenten Vorteile der NCCT, die breite Verfügbarkeit und Sicherheit, und eliminiert gleichzeitig die Notwendigkeit einer Kontrastmittelinjektion, die bei bestehenden CCTA-basierten Methoden erforderlich ist. Dies erweitert das Potenzial für die EAT-Bewertung auf breitere klinische und Screening-Populationen erheblich.

Protocol

Die ethische Genehmigung für diese Studie wurde von der Ethikkommission des Chengdu Medical College unter Verzicht auf die Einwilligungserklärung erteilt. Das Studienprotokoll stellte die Einhaltung der ethischen Grundsätze der Deklaration von Helsinki sicher.

1. Auswahl des Patienten

1. Verwenden Sie die folgenden Einschlusskriterien:
   1. Eingeschlossen sind Patienten mit nicht-ischämischer Herzkrankheit (NIHD).
      HINWEIS: Für diese Studie wurden einhundertzwanzig (120) Patienten mit NIHD ausgewählt, die zwischen 2017 und 2024 im First Affiliated Hospital des Chengdu Medical College behandelt wurden.
   2. Stellen Sie sicher, dass alle Patienten während eines einzigen Krankenhausaufenthalts sowohl NCCT- als auch CMR-Untersuchungen unterzogen wurden.
   3. Stellen Sie sicher, dass das Intervall zwischen den Scans < 48 Stunden liegt.
      HINWEIS: Die NIHD wurde durch das Vorhandensein klinischer Symptome einer Myokardischämie und die Bestätigung einer Koronararterienstenose von weniger als 50 % entweder durch koronare Computertomographie-Angiographie (CCTA) oder invasive Koronarangiographie definiert. Dieses klinische Erscheinungsbild stimmt mit der Definition von Ischämie ohne obstruktive Koronararterien (INOCA) überein; Für die Zwecke dieser methodischen Studie, die sich auf die EAT-Quantifizierung konzentriert, verwenden wir jedoch den breiteren Begriff NIHD, um unsere Kohorte zu beschreiben.
2. Patienten mit folgenden Erkrankungen sind auszuschließen: Perikarderkrankung, bösartige Tumoren, Herztransplantationen in der Vorgeschichte oder Herzoperationen in der Vorgeschichte¹³.

2. NCCT-Bildgebungsprotokoll und Scan-Parameter

1. Konfiguration des Scanners
   1. Führen Sie eine wöchentliche Kalibrierung des CT-Scanners mit einem Phantom des American College of Radiology (ACR) durch. Halten Sie den Scannerraum bei einer Umgebungstemperatur von 22 ± 2 °C und einer relativen Luftfeuchtigkeit von < 65 %.
   2. Betreiben Sie einen 320-reihigen 640-Zeilen-Detektor, der mit einer Z-Abdeckung von 160 mm ausgestattet ist.
      HINWEIS: Zu den wichtigsten Parametern gehören feste 120 kVp, 130 mAs, Rotationszeit: 0,5 s/360°, Steigung: 1,0875.
2. Scan-Bereich
   1. Nehmen Sie Bilder von der Fossa supraclavicularis bis zur unteren Zwerchfelloberfläche auf. Richten Sie die Laserpositionierung im T4/T5-Zwischenwirbelraum aus.
   2. Stellen Sie den Scanbereich vom thorakalen Einlass bis 2-3 cm unter den kostophrenen Winkel ein und nehmen Sie Bilder mit einem einzigen Atemstopp auf.
   3. Entfernen Sie Metallgegenstände aus der Brust; Coachen Sie den Patienten für konsequentes Atemanhalten.
   4. Führen Sie ein Atemanhaltetraining mit Spirometer-geführtem Coaching durch (mindestens 15 s Kapazität). Bei COPD-Patienten ist eine respiratorische Triggerung mit einem Akzeptanzfenster von ± 2 mm durchzuführen.
3. Erfassungs- und Rekonstruktionsparameter
   1. Führen Sie den Scan im Spiralscanmodus durch. Weisen Sie den Patienten an, nach tiefer Inspiration den Atem anzuhalten.
      HINWEIS: Schlüsselparameter: 1,0 mm Scheibendicke, Schichtinkrement: 1,0 mm (zusammenhängend), 512 × 512 Matrix, Weichteilkern (Körperweichteilrekonstruktionskern b); 350 mm Sichtfeld, Fensterebene (WL) 40 HE und Fensterbreite (WW) 400 HE.
   2. Erhalten Sie vier Bildserien: (1) 1,0 mm Mediastinalfenster (WL 40/WW 400), (2) 1,0 mm Lungenfenster (WL -500/WW 1500), (3) 5,0 mm Mediastinalfenster (WL 40/WW 400) und (4) 5,0 mm Lungenfenster (WL -500/WW 1500).
   3. Anwendung der hybriden iterativen Rekonstruktion bei moderater Stärke (40 %) unter Verwendung eines Standard-Weichgewebekorns; Generierung von 1,0 mm multiplanaren Reformatationen als anatomische Referenz mit Fenstereinstellungen für Mediastinal (Breite 400 HU/Ebene 40 HU) und Lunge (Breite 1600 HU/Ebene -600 HU).
4. Sicherheit und Hinweise
   1. Erfüllen Sie sowohl die chinesischen Strahlenschutznormen WS/T 391-2012 als auch die internationalen Richtlinien¹⁴.
   2. Begrenzen Sie den Volumen-Computertomographie-Dosisindex (CTDIvol) ≤15 mGy pro ICRP 135. Erfassen Sie das Dosislängenprodukt (DLP) mit dem Umrechnungsfaktor k = 0,014 mSv·^mGy-1·^cm-1.
   3. Verwenden Sie den Atemnavigator + Sprachansage , um Bewegungsartefakte zu reduzieren, wenn das Anhalten des Atems schwierig ist.
      HINWEIS: Wir haben uns für die bilineare Interpolation entschieden, da sie ein optimales Gleichgewicht zwischen Recheneffizienz und Kantenerhaltung bietet. Obwohl sie ihr Potenzial für die Einführung von Teilvolumenmittelung und Hounsfield-Einheit (HU)-Glättung anerkennt, wurde diese Methode ausgewählt, da sie im Vergleich zur Nearest-Neighbor-Interpolation eine überlegene Grenzabgrenzung bietet.

3. CMR-Bildgebungsprotokoll und Scan-Parameter

1. Konfiguration des Scanners
   1. Die Untersuchung wird mit einem 3,0-T-MRT-Scanner durchgeführt, der mit einer kardialen Phased-Array-Spule ausgestattet ist, wobei sich der Patient in Rückenlage befindet.
   2. Konfigurieren Sie das Magnetresonanzsystem für die Qualitätssicherung vor dem Scan: Unterlegscheibentoleranz≤5 ppb, SNR ≥100 (Phantom), B0-Homogenität ≤0,5 ppm.
2. Scan-Protokoll
   1. Greifen Sie auf das kardiale Bildgebungsprotokoll zu, indem Sie durch die folgende Menüsequenz auf der Konsole navigieren: Konsole, Protokoll-Manager, Herz, cardiac_easy Cine_bSSFP.
   2. Scout-Ansichten erfassen: Quer: Aortenbogen bis Zwerchfell; Koronal: Lungenstamm bis LV-Apex; Sagittal: Rechter Ventrikel bis absteigende Aorta.
3. Einrichten des Elektrokardiographie-Gatings (EKG)
   1. Wenden Sie ein 3-Kanal-Vektor-EKG mit adaptiver Filterung an und synchronisieren Sie den Atembalg in der Mitte der Exspiration.
   2. Wählen Sie Adaptiver Trigger aus. Setzen Sie das Auslösefenster auf 15 % für die Anpassung von Arrhythmien.
4. Herzphasen, zeitliche Auflösung
   1. Erfassen Sie 30 Herzphasen mit einer zeitlichen Auflösung = 45 ms und mit 13 k-Raumsegmenten für eine vollständige Zyklusabdeckung.
      HINWEIS: Schlüsselparameter: Kurze Achse: TR/TE = 2,86/1,31 ms, Flip-Winkel = 60°, Bandbreite = 1000 Hz/Pixel, Matrixgröße = 128 × 224, FOV (Lesen/Phase) = 360/320 mm, Schichtdicke = 8 mm, 6-12 Schichten (zusammenhängende Kurzachsenabdeckung), Atemkontrolle = Atemanhalten (einmaliges Anhalten des Atems = 12-15 s. Vierkammer: TR/TE 2,86/1,31 ms, Flip-Winkel 55°, Bandbreite 1000 Hz/Pixel, Matrix 128×224, FOV (Lesen/Phase) 360/320 mm, Scheibenstärke 8 mm, 1-3 Scheiben, Atemkontrolle mit Atemanhaltung (einmaliges Anhalten des Atems = 10-12 s, gleiche Anforderungen wie oben).
5. Parallele Bildgebungsimplementierung
   1. Aktivieren Sie die parallele ARC-Bildgebung mit Beschleunigungsfaktor 2; Die automatische Kalibrierung macht einen separaten Referenzscan überflüssig.
      HINWEIS: Um die Patientensicherheit zu gewährleisten, hielt sich diese Studie strikt an das Positionspapier der Society for cardiovascular magnetic resonance (SCMR) (2020) zu klinischen Indikationen für die kardiovaskuläre Magnetresonanz¹⁵ und führte vor dem Scan einen Coil Check und eine Autokalibrierung durch.

4. EAT-Dickenmessung

1. NCCT multiplanare Rekonstruktion und Messung
   1. Importieren Sie 1,0 mm mediastinale Fensterserien in das MPR-Modul (Multiplanare Rekonstruktion). Konfigurieren Sie das Rekonstruktionsintervall bei 0,5 mm mit dem bilinearen Interpolationsalgorithmus. Synchronisieren Sie Aktualisierungen der axialen, sagittalen und koronalen Ebene.
   2. Ausrichten an der linksventrikulären (LV) Längsachsenreferenz. Drehen, um eine orthogonale 4-Kammer-Ansicht zu erhalten (schneidende 2-Kammer-Ebene). Erzeugen Sie einen senkrechten Stapel mit kurzer Achse (Schichtdicke: 8 mm, Spalt: 0 mm), der den Mitralring bis zur Spitze abdeckt.
   3. Messen Sie die EAT-Dicke an den folgenden sechs anatomischen Stellen: der linken atrioventrikulären Furche (LAVG), der rechten atrioventrikulären Furche (RAVG), der vorderen interventrikulären Furche (AIVG), der oberen interventrikulären Furche (SIVG), der unteren interventrikulären Furche (IIVG) und der rechtsventrikulären freien Wand (RVFW)¹⁶.
   4. Befolgen Sie das RVFW-Protokoll und führen Sie drei aufeinanderfolgende Messungen an jeder anatomischen Stelle durch. Der endgültige aufgezeichnete Wert für jeden Standort sollte der Mittelwert dieser dreifachen Messungen sein.
      HINWEIS: Wenn der Bereich der drei Messungen 1 mm überschreitet, kalibrieren Sie die Bildgebungsebene neu und wiederholen Sie die Messungen. Der gesamte Messprozess und das Beispiel sind in Abbildung 1 dargestellt.
2. Führen Sie eine hochauflösende CMR-Cine-Quantifizierung durch
   1. Importieren Sie kurz- und langachsige Cine-Sequenzen der balancierten Steady-State-freien Präzession (bSSFP) und identifizieren Sie manuell Enddiastole (ED)¹⁰und Endsystole (ES)-Frames.
   2. Frieren Sie ED-Bilder ein und verfeinern Sie die Ränder manuell auf ± Genauigkeit von 1 Pixel.
   3. Richten Sie eine 12-stufige Kurzachsenabdeckung vom Mitralring bis zur Spitze ein.
   4. Messen Sie die Dicke bei: SIVG, IIVG und RVFW, wobei Sie die Werte entlang ± 60°-Radien von der Mittelachse mitteln, um schräge Fehler zu minimieren.
      HINWEIS: Befolgen Sie das RVFW-Protokoll und führen Sie drei aufeinanderfolgende Messungen an jeder anatomischen Stelle durch. Der endgültige Datensatzwert für jeden Standort sollte der Mittelwert dieser dreifachen Messungen sein.
   5. Legen Sie die Referenzachse von der linksventrikulären Spitze bis zum Mittelpunkt des Mitralanulus fest und richten Sie die horizontale Längsachsenebene aus, um eine standardisierte Vier-Kammer-Ansicht zu erhalten.
   6. Messen Sie die Dicke des epikardialen Fettgewebes bei LAVG, RAVG und AIVG während der Enddiastole und berechnen Sie den Mittelwert symmetrischer ± 45°-Messungen entlang der atrioventrikulären Furche, um nicht-orthogonale Fehler zu vermeiden.
      HINWEIS: Der gesamte Messprozess und das Beispiel sind in Abbildung 2 dargestellt.

Abbildung 1: EAT-Dickenmessung am CT mittels multiplanarer Rekonstruktion (MPR). (A) MPR, die entlang der linksventrikulären Kurzachsenebene durchgeführt wird; (B) Messungen an der oberen interventrikulären Furche (SIVG), der unteren interventrikulären Furche (IIVG) und der rechtsventrikulären freien Wand (RVFW), wobei die RVFW den Mittelwert von drei Messpunkten darstellt; (C) MPR, die entlang der linksventrikulären Kurzachsenebene wiederholt wird; (D) Messungen an der linken atrioventrikulären Furche (LAVG), der rechten atrioventrikulären Furche (RAVG) und der vorderen interventrikulären Furche (AIVG). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 2: Quantifizierung der EAT-Dicke an der kardialen Magnetresonanz (CMR). (A) Messungen, die bei LAVG, RAVG und AIVG in Vierkammeransicht erfasst wurden; (B) Messungen an SIVG, IIVG und RVFW in der Kurzachsenansicht, wobei RVFW als Mittelwert von drei Messpunkten angegeben wird. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

5. Erfassung des EAT-Volumens

1. NCCT-Algorithmus für die Segmentierung von Graustufenschwellen
   1. Importieren Sie die zusammenhängenden NCCT-Bilder mit einer Schichtdicke von 1,0 mm (im DICOM-Format) von der lokalen Workstation in die 3D Slicer-Software, indem Sie den Ordner mit den DICOM-Dateien direkt in das Hauptfenster des 3D Slicers ziehen und dort ablegen.
   2. Navigieren Sie zum Modul Segmenteditor. Erstellen Sie eine neue Segmentierungsmaske. Wählen Sie das Werkzeug Schwellenwertsegmentierung aus, und legen Sie den Schwellenwertbereich genau auf -150 bis -50 HU¹⁷ fest.
      HINWEIS: Die volumetrische Quantifizierung des epikardialen Fettgewebes (EAT) ist auf anatomische Grenzen beschränkt, die durch die Bifurkation der Lungenarterie nach oben und die Spitze des linken Ventrikels nach unten definiert^{werden 12,18}. Der gewählte Schwellenwert von -150 bis -50 HU ist so konzipiert, dass die EAT optimal isoliert wird, indem Teilvolumeneffekte aus benachbarten Geweben mit etwas höherer Abschwächung, wie z. B. Myokard oder Epikardflüssigkeit, minimiert werden.
   3. Klicken Sie auf die Schaltfläche Anwenden und dann auf die Schaltfläche 3D anzeigen , um eine Vorschau der anfänglichen "fetten Hüllkurve" anzuzeigen.
   4. Verwenden Sie das Löschen-Werkzeug , um mediastinales Fettgewebe und Brustwandfettgewebe, das nicht mit dem epikardialen Fett verbunden ist, vorsichtig in mehreren orthogonalen Ansichten (axial, sagittal, koronal) zu entfernen.
      HINWEIS: Perikardverkalkungen (CT-Werte deutlich höher als -50 HU) werden in der Regel durch den Anfangsschwellenwert ausgeschlossen. Entfernen Sie sie manuell aus der Fettmaske, falls sie aufgrund von partiellen Volumeneffekten enthalten sind. Ein repräsentatives Beispiel ist in Abbildung 3 dargestellt.
   5. Rufen Sie das Volumenergebnis (in ml) direkt aus dem Modul Segmentstatistik ab, das ein Berechnungsprinzip anwendet, das der Monte-Carlo-Integration entspricht. AUSGANG: Gesamtvolumen (ml)
2. CMR-Methode
   1. Importieren Sie die 12-stufigen Kurzachsen-Cine-Stacks (Schichtdicke: 8 mm, Spalt: 0 mm) in die Bildanalysesoftware.
   2. Zeichnen Sie die epikardialen und perikardialen Konturen auf jeder Scheibe in der enddiastolischen Phase manuell nach.
   3. Generieren Sie die endgültige Fettmaske.
   4. Wenden Sie die modifizierte Simpson-Regel an, um das gesamte EAT-Volumen zu berechnen: EAT-Volumen = Σ (EAT-Bereich × (Schichtdicke + Schichtabstand))¹⁹. AUSGANG: Gesamtvolumen (ml)
      HINWEIS: Wenn zwischen den Schichten ein Abstand von 2 mm vorhanden ist, müssen die Korrekturen entsprechend dem tatsächlichen Abstand vorgenommen werden.

Abbildung 3: 3D-Rekonstruktion von epikardialem Fettgewebe, erhalten durch einen Graustufen-Schwellenwert-Segmentierungsalgorithmus. Hinweis: Hierbei handelt es sich um ein repräsentatives Visualisierungsmodell, das als Schaltplan nicht maßstabsgetreu ist. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

6. Statistische Analyse

1. Sammeln und analysieren Sie Daten mit Python.
2. Wenden Sie den Shapiro-Wilk-Test²⁰für Normalität an; Geben Sie nicht-normalverteilte stetige Variablen als Median (Interquartilsabstand) [M (P25, P75)] mit dem Mann-Whitney U-Test²¹für Gruppenvergleiche an und drücken Sie normalverteilte Daten als Mittelwert ± Standardabweichung (x̄±s) aus, die mit dem gepaarten t-Test²² analysiert wurde.
3. Berechnen Sie den Intraklassen-Korrelationskoeffizienten (ICC) unter einem Zwei-Wege-Modell mit zufälligen Effekten für absolute Übereinstimmung, wobei ICC > 0,75 als Schwellenwert für eine gute Konsistenz zwischen NCCT- und CMR-Messungen angegeben wird.
4. Betrachten Sie Unterschiede als statistisch signifikant, wenn der p-Wert kleiner als 0,05 (p < 0,05) ist.

Results

Tabelle 1 zeigt die vergleichende Analyse von EAT-Messungen zwischen CT- und MR-Modalitäten an allen anatomischen Stellen. Insgesamt zeigte der gepaarte t-Test keine signifikanten Unterschiede (P > 0,05), was für die Äquivalenz beider Methoden spricht. Die mittleren Differenzen (MR-CT) reichten von -0,10 mm (untere interventrikuläre Furche) bis +0,29 mm (linke atrioventrikuläre Furche), wobei die Konfidenzintervalle von 95 % konstant über Null lagen. Vol...

Discussion

Dieser Befund zeigt, dass in Übereinstimmung mit früheren Studien²³ die rechte atrioventrikuläre Furche (RAVG) das dickste epikardiale Fettgewebe (EAT) unter den sechs gemessenen anatomischen Stellen aufweist. Dies kann auf hämodynamische Unterschiede zwischen dem rechten und linken Herzsystem zurückgeführt werden. Der rechte Ventrikel pumpt Blut in den Lungenkreislauf mit niedrigem Widerstand, während der linke Ventrikel systemische Gefäße mit hohem Widerstand üb...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
640-Schnitt-CT-Scanner	United Imaging	uCT 960+	Es wurde eine volumetrische CT für ganzes Organe mit sub-millimeter isotroper Auflösung etabliert, was bewegungsfreie Herzbildgebung und ultraniedrige Gewebecharakterisierung ermöglicht.
3,0 T MRT-Scanner	United Imaging	uMR 960+	Fortschrittliche Breitrohrplattform, die außergewöhnlichen Weichteilkontrast für quantitative kardiale Phänotypisierung und multiparametrische Körperzusammensetzungsanalyse liefert.
3D-Slicer	Open-Source-Community	https://www.slicer.org/	Kostenlose, quelloffene Software für medizinische Bildanalyse (Segmentierung, Registrierung, 3D-Visualisierung). Unterstützt vom NIH.
PyTorch	Meta Platforms, Inc.	https://pytorch.org/	Open-Source-Deep-Learning-Framework mit dynamischen Berechnungsgraphen, weit verbreitet für KI-Forschung und Modellbereitstellung. Unterstützt GPU-Beschleunigung.