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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».