Perfusion Mapping Using Computed Tomography Allows Accurate Prediction of Cerebral Infarction in Experimental Brain Ischemia
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: We have developed a dynamic CT method to measure absolute cerebral blood flow (CBF), cerebral blood volume (CBV), and mean transit time (MTT). In this study we evaluated the ability of CT-derived functional maps to detect infarction in a rabbit model of focal cerebral ischemia. METHODS: Sequential dynamic CT studies were performed at 2 different slices in 5 control rabbits and another 8 after induction of focal cerebral ischemia. The size of critically ischemic tissue was correlated to size of infarction measured by postmortem 2,3,5-triphenyltetrazolium chloride staining. In the control rabbits, short-term variability of the parameters was assessed by ANOVA analysis. RESULTS: In 7 of 8 animals of the ischemia group, cerebral infarction was visible on 2,3, 5-triphenyltetrazolium chloride staining, constituting 16.7+/-10.6% of the ipsilateral hemisphere. Good agreement of CBF functional maps with tissue specimens was found with respect to size and location of infarction. Best prediction of infarction was found for thresholds of CBF <10 mL/100 g per minute (mean size, 17.5+/-13.4%; r=0.95) and MTT >6 seconds (mean size, 15.6+/-13.5%; r=0.85), with regression slopes close to unity. CBV maps were less predictive of occurrence of infarction, especially in cases of small infarction. The short-term variability of CBF, CBV, and MTT in the control group was 10.9%, 15.2%, and 19.9%, respectively. CONCLUSIONS: Functional CT measurements of absolute CBF and MTT early after onset of ischemia allow prediction of the size and location of cerebral infarction with good accuracy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».