To assess the accuracy of a deep learning-based algorithm for fully automated detection of thoracic aortic calcifications in chest computed tomography (CT) with a focus on the aortic clamping zone.

Background CT-derived fractional flow reserve (CT-FFR) and dynamic CT myocardial perfusion imaging enhance the specificity of coronary CT angiography (CCTA) for ruling out coronary artery disease (CAD). However, evidence on comparative diagnostic value remains scarce. Purpose To compare the diagnostic accuracy of CCTA plus CT-FFR, CCTA plus CT perfusion, and sequential CCTA plus CT-FFR and CT perfusion for detecting hemodynamically relevant CAD with that of invasive angiography. Materials and Methods This secondary analysis of a prospective study included patients with chest pain referred for invasive coronary angiography at nine centers from July 2016 to September 2019. CCTA and CT perfusion were performed with third-generation dual-source CT scanners. CT-FFR was assessed on-site. Independent core laboratories analyzed CCTA alone, CCTA plus CT perfusion, CCTA plus CT-FFR, and a sequential approach involving CCTA plus CT-FFR and CT perfusion for the presence of hemodynamically relevant stenosis. Invasive coronary angiography with invasive fractional flow reserve was the reference standard. Diagnostic accuracy metrics and the area under the receiver operating characteristic curve (AUC) were compared with the Sign test and DeLong test. Results Of the 105 participants (mean age, 64 years ± 8 [SD]; 68 male), 49 (47%) had hemodynamically relevant stenoses at invasive coronary angiography. CCTA plus CT-FFR and CCTA plus CT perfusion showed no evidence of a difference for participant-based sensitivities (90% vs 90%,

Abstract Aim of this study was to analyse the associations of cardiovascular health and adrenal gland volume as a rather new imaging biomarker of chronic hypothalamic–pituitary–adrenal (HPA) axis activation. The study population originates from the KORA population-based cross-sectional prospective cohort. 400 participants without known cardiovascular disease underwent a whole-body MRI. Manual segmentation of adrenal glands was performed on VIBE-Dixon gradient-echo sequence. MRI based evaluation of cardiac parameters was achieved semi-automatically. Cardiometabolic risk factors were obtained through standardized interviews and medical examination. Univariate and multivariate associations were derived. Bi-directional causal mediation analysis was performed. 351 participants were eligible for analysis (56 ± 9.1 years, male 58.7%). In multivariate analysis, significant associations were observed between adrenal gland volume and hypertension (outcome hypertension: Odds Ratio = 1.11, 95% CI [1.01, 1.21], p = 0.028), left ventricular remodelling index (LVRI) (outcome LVRI: β = 0.01, 95% CI [0.00, 0.02], p = 0.011), and left ventricular (LV) wall thickness (outcome LV wall thickness: β = 0.06, 95% CI [0.02, 0.09], p = 0.005). In bi-directional causal mediation analysis adrenal gland volume had a borderline significant mediating effect on the association between hypertension and LVRI (p = 0.052) as well as wall thickness (p = 0.054). MRI-based assessment of adrenal gland enlargement is associated with hypertension and LV remodelling. Adrenal gland volume may serve as an indirect cardiovascular imaging biomarker.

Abstract Background Obesity is associated with alterations in the hypothalamic–pituitary–adrenal (HPA) axis. Effects of glucocorticoids on adipose tissues appear to depend on the specific adipose depot, in which they take place. In this study, we aimed to investigate the role of MRI-based adrenal gland volume as an imaging marker in association with different adipose tissue compartments. Methods The study cohort derives from the population-based research platform KORA ( Cooperative Health Research in the Augsburg Region, Germany) MRI sub-study, a cross-sectional sub-study investigating the interactions between subclinical metabolic changes and cardiovascular disease in a study sample of 400 participants. Originally, eligible subjects underwent a whole-body MRI. MRI-based segmentations were performed manually and semi-automatically for adrenal gland volume, visceral adipose tissue (VAT), subcutaneous adipose tissue (SAT), epi- and pericardial fat and renal sinus fat. Hepatic and pancreatic lipid content were measured as pancreatic proton density fraction (PDFF) and MR-spectroscopic hepatic fat fraction (HFF). Multivariable linear regression analyses were performed. Results A number of 307 participants (56.2 ± 9.1 years, 60.3% male, 14.3% with type 2 diabetes (T2DM), 30.6% with obesity, 34.2% with hypertension) were included. In multivariable analyses, strong positive associations between adrenal gland volume and VAT, total adipose tissue (TAT) as well as HFF persisted after extensive step-wise adjustment for possible metabolic confounders (VAT: beta = 0.31, 95%-CI [0.71, 0.81], p < 0.001; TAT: beta = 0.14, 95%-CI [0.06, 0.23], p < 0.001; HFF: beta = 1.17, 95%-CI [1.04, 1.31], p = 0.009). In contrast, associations between adrenal gland volume and SAT were attenuated in multivariate analysis after adjusting for BMI. Associations between pancreatic PDFF, epi- and pericardial fat and renal sinus fat were mediated to a great extent by VAT (pancreatic PDFF: 72%, epicardial adipose tissue: 100%, pericardial adipose tissue: 100%, renal sinus fat: 81.5%). Conclusion Our results found MRI-based adrenal gland volume as a possible imaging biomarker of unfavorable adipose tissue distribution, irrespective of metabolic risk factors. Thus, adrenal gland volume may serve as a potential MRI-based biomarker of metabolic changes and contributes to an individual characterization of metabolic states and individual risk stratification. Future studies should elucidate in a longitudinal study design, if and how HPA axis activation may trigger unfavorable adipose tissue distribution and whether and to which extent this is involved in the pathogenesis of manifest metabolic syndrome.

Abstract Aortic angiopathy is a common manifestation of cardiovascular disease (CVD) and may serve as a surrogate marker of CVD burden. While the maximum aortic diameter is the primary prognostic measure, the potential of other features to improve risk prediction remains uncertain. This study developed a deep learning framework to automatically quantify thoracic aortic disease features and assessed their prognostic value in predicting CVD mortality among heavy smokers. Using non-contrast chest CTs from the National Lung Screening Trial (NLST), aortic features quantified included maximum diameter, volume, and calcification burden. Among 24,770 participants, 440 CVD deaths occurred over a mean 6.3-year follow-up. Aortic calcifications and volume were independently associated with CVD mortality, even after adjusting for traditional risk factors and coronary artery calcifications. These findings suggest that deep learning-derived aortic features could improve CVD risk prediction in high-risk populations, enabling more personalized prevention strategies.

Abstract Since the approval of the first dual-source photon-counting detector CT (PCD-CT) in the fall of 2021, significant insights have been gained in its application for cardiovascular imaging. This review aims to provide a comprehensive overview of the current state of knowledge and the growing body of research literature, illustrating innovative applications and perspectives through case examples. We conducted a structured literature review, identifying relevant studies via Google Scholar and PubMed, using the keywords “photon-counting detector”, “cardiovascular CT”, “cardiac CT”, and “ultra-high-resolution CT”. We analyzed studies published since January 2015. Additionally, we integrated our own clinical experiences and case examples. In addition to the well-known benefit of increased temporal resolution offered by dual-source scanners, dual-source PCD-CT provides three key advantages: 1) Optimized geometric dose efficiency with an improved contrast-to-noise ratio, 2) intrinsic spectral sensitivity, and 3) the ability for ultrahigh-resolution CT. This technology enables improved image quality or radiation dose reduction in established cardiovascular protocols. Its use in non-invasive cardiac diagnostics for obese patients, those with a high plaque burden, or after stent implantation appears technically feasible, potentially expanding the scope of CT. The spectral sensitivity also allows tailored image acquisition, reducing metallic artifacts and contrast agent doses in patients with renal impairment. Early studies and clinical experience support these potential applications of PCD-CT in cardiovascular diagnostics, suggesting workflow optimization and improved patient management. However, challenges remain, including high costs, large data volumes, somewhat longer reconstruction times, and technical difficulties in combining spectral sensitivity with ultra-high resolution. Prospective randomized studies with clinical endpoints are lacking to confirm the clear advantage over conventional scanners. Future research should focus on endpoint-based studies and robust cost-benefit analyses to evaluate the potential of this technology and facilitate its evidence-based integration in clinical practice.