Notice bibliographique
Résumé
In PET imaging, application of kinetic modeling always requires an input curve (IC) together with the PET data. The IC can be obtained by means of external blood sampling or, in the case of cardiac studies, by means of region-of-interest (ROI) drawn on the blood pool. It is, however, very unsuitable to withdraw and to analyse blood samples, and in small animals, this operation becomes impossible, while ICs determined from ROIs are generally contaminated by emissions from neighboring sites, or they are underestimated because of partial volume effect. In this work we report a new method to extract kinetic parameters from dynamic PET studies without a priori knowledge of the IC. The method is applied in FDG human-brain and in cardiac-rat perfusion studies with /sup 13/N-ammonia and /sup 11/C-acetate. The tissue blood volume (TBV), usually fitted together with the rate constants, is extracted simultaneously with the tissue time activity curves for cardiac studies, while for brain gray matter TBV is known to be about 4% to 7%. The shape of IC is obtained by means of factor analysis from an ROI drawn around a cardiac tissue or a brain artery. The results show a good correlation (p<0.05) between cerebral metabolic rate of glucose, myocardial blood flow and oxygen consumption obtained with the new method in comparison to the usual method. In conclusion, it is possible to apply kinetic modeling without any blood sampling, which significantly simplifies PET acquisition and data analysis.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».