Improved dynamic susceptibility contrast (DSC)‐MR perfusion estimates by motion correction
Notice bibliographique
Résumé
PURPOSE: To investigate the effect of patient motion on quantitative cerebral blood flow (CBF) maps in ischemic stroke patients and to evaluate the efficacy of a motion-correction scheme. MATERIALS AND METHODS: Perfusion data from 25 ischemic stroke patients were selected for analysis. Two motion profiles were applied to a digital anthropomorphic brain phantom to estimate accuracy. CBF images were generated for motion-corrupted and motion-corrected data. To correct for motion, rigid-body registration was performed. The realignment parameters and mean CBF in regions of interest were recorded. RESULTS: All patient data with motion exhibited visibly reduced intervolume misalignment after motion correction. Improved flow delineation between different tissues and a more clearly defined ischemic lesion (IL) were achieved in the motion-corrected CBF. A significant difference occurred in the IL (P < 0.05) for patients with severe motion with an average difference between corrupted and corrected data of 4.8 mL/minute/100 g. The phantom data supported the patient results with better CBF accuracy after motion correction and high registration accuracy (<1 mm translational and <1 degrees rotational error). CONCLUSION: Motion degrades flow differentiation between adjacent tissues in CBF maps and can cause ischemic severity to be underestimated. A registration motion correction scheme improves dynamic susceptibility contrast (DSC)-MR perfusion estimates.
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) | 0,000 | 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 ».