Early to late gadolinium enhancement cardiac MRI in ischemic and non-ischemic cardiomyopathies

缺血性和非缺血性心肌病的早期至晚期钆增强心脏 MRI

基本信息

  • 批准号:
    8968688
  • 负责人:
  • 金额:
    $ 19.19万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
  • 财政年份:
    2015
  • 资助国家:
    美国
  • 起止时间:
    2015-07-01 至 2017-06-30
  • 项目状态:
    已结题

项目摘要

 DESCRIPTION (provided by applicant): In patients with heart failure (HF), accurate differentiation among ischemic and various non-ischemic cardiomyopathies (NICMs) is essential for appropriate guidance of therapies. Late gadolinium enhancement (LGE) MRI is an ideal non-invasive imaging method for depicting myocardial scarring and fibrosis, but is not well suitable for HF patients due to the requirement of many breath-holds and limited specificity to distinguish various forms of NICM. While LGE MRI is based on static analysis of the concentration of contrast agent at a single post-injection time, contrast uptake and washout is actually a temporally dynamic process, the pattern of which varies depending on specific pathological conditions. If accurately captured, the contrast kinetics may improve the tissue characterization particularly for differentiating NICMs that are associated with different etiologies. The ultimate goal of this project is to develop so-called early-to-late gadolinium enhancement (ELGE) MRI methods which capture contrast uptake and wash-out over time and to utilize the resultant kinetics information for differentiating various NICMs. Towards this goal, we will first develop respiratory motion corrected 3D LGE imaging methods which enable whole heart coverage during free-breathing. This will be achieved by integrating novel MRI components such as 3D stack-of-spirals acquisition, outer volume suppression magnetization preparation and 1D projection-based motion estimator. Then, ELGE measurement will be done in NICM patients by repeating the free-breathing scan between 1min through 40 min post injection. After parameterization of ELGE time curves, classification rules will be established to distinguish myocarditis, dilated cardiomyopathy and sarcoidosis that justify a larger clinical study.
 描述(由申请人提供):对于心力衰竭 (HF) 患者,准确区分缺血性和各种非缺血性心肌病 (NICM) 对于适当指导治疗至关重要,晚期钆增强 (LGE) MRI 是一种理想的非侵入性治疗。成像方法用于描绘心肌疤痕和纤维化,但由于需要多次屏气且区分各种形式的心肌梗死的特异性有限,不太适合心力衰竭患者NICM。虽然 LGE MRI 基于单次注射后造影剂浓度的静态分析,但造影剂摄取和冲刷实际上是一个时间动态过程,其模式根据具体的病理条件而变化。对比动力学可以改善组织特征,特别是区分与不同病因相关的 NICM。该项目的最终目标是开发所谓的早期至晚期钆增强 (ELGE) MRI 方法。捕获随时间变化的造影剂摄取和清除,并利用所得的动力学信息来区分各种 NICM。为了实现这一目标,我们将首先开发呼吸运动校正的 3D LGE 成像方法,以实现自由呼吸期间的整个心脏覆盖。通过集成 3D 螺旋叠加采集、外部体积抑制磁化准备和基于 1D 投影的运动估计器等新颖的 MRI 组件,将对 NICM 患者进行 ELGE 测量。通过在注射后 1 分钟到 40 分钟之间重复自由呼吸扫描,在 ELGE 时间曲线参数化后,将建立分类规则来区分心肌炎、扩张型心肌病和结节病,从而证明更大规模的临床研究的合理性。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Taehoon Shin其他文献

Taehoon Shin的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Taehoon Shin', 18)}}的其他基金

Non-contrast-enhanced peripheral MR angiography
非对比增强外周磁共振血管造影
  • 批准号:
    9330385
  • 财政年份:
    2017
  • 资助金额:
    $ 19.19万
  • 项目类别:

相似国自然基金

基于肿瘤病理图片的靶向药物敏感生物标志物识别及统计算法的研究
  • 批准号:
    82304250
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
多模态高层语义驱动的深度伪造检测算法研究
  • 批准号:
    62306090
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
高精度海表反照率遥感算法研究
  • 批准号:
    42376173
  • 批准年份:
    2023
  • 资助金额:
    51 万元
  • 项目类别:
    面上项目
基于新型深度学习算法和多组学研究策略鉴定非编码区剪接突变在肌萎缩侧索硬化症中的分子机制
  • 批准号:
    82371878
  • 批准年份:
    2023
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目
基于深度学习与水平集方法的心脏MR图像精准分割算法研究
  • 批准号:
    62371156
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目

相似海外基金

Fluency from Flesh to Filament: Collation, Representation, and Analysis of Multi-Scale Neuroimaging data to Characterize and Diagnose Alzheimer's Disease
从肉体到细丝的流畅性:多尺度神经影像数据的整理、表示和分析,以表征和诊断阿尔茨海默病
  • 批准号:
    10462257
  • 财政年份:
    2023
  • 资助金额:
    $ 19.19万
  • 项目类别:
Early diagnosis of light chain amyloidosis
轻链淀粉样变性的早期诊断
  • 批准号:
    10562721
  • 财政年份:
    2023
  • 资助金额:
    $ 19.19万
  • 项目类别:
Developing a platform for deep phenotyping of heart failure with preserved ejection fraction using raw, widely-available, multi-modality data and artificial intelligence algorithms
使用原始、广泛可用的多模态数据和人工智能算法,开发一个对射血分数保留的心力衰竭进行深度表型分析的平台
  • 批准号:
    10683803
  • 财政年份:
    2022
  • 资助金额:
    $ 19.19万
  • 项目类别:
Novel artificial intelligence-based approaches to understand the pathological and genetic drivers of primary tauopathies
基于人工智能的新方法来了解原发性 tau 蛋白病的病理和遗传驱动因素
  • 批准号:
    10525775
  • 财政年份:
    2022
  • 资助金额:
    $ 19.19万
  • 项目类别:
Longitudinal validation of retinal biomarkers against cerebral imaging in preclinical Alzheimer's disease
针对临床前阿尔茨海默病脑成像的视网膜生物标志物的纵向验证
  • 批准号:
    10704641
  • 财政年份:
    2022
  • 资助金额:
    $ 19.19万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了