TU‐C‐330A‐09: Performance of CT and MR‐Based Assays for In Vivo Agent Concentration Quantitation
Notice bibliographique
Résumé
Purpose: To investigate the feasibility of performing longitudinal image‐based measurements using CT and MR to estimate contrast agent concentrations in organs and tissues in vivo. Method and Materials: A CT and MR contrast agent (200 mg/kg of iodine and 16 mg/kg of gadolinium encapsulated in liposomes) was administered intravenously to a 2 kg New Zealand White rabbit. At 5 minutes, 24, 48, 72, 96, 120 and 168 hours following contrast injection, the rabbit was imaged in CT (120kV, 200mA) and in MR (3D FSPGR, TR/TE= 9.8/4.3). 1mL of blood was collected from the same rabbit at each of the above times. The rabbit liver and spleen were harvested at the study end point (168 hours). The blood and tissues samples were then analyzed using high performance liquid chromatography (HPLC) to measure iodine content and inductively coupled plasma atomic emission spectrometry (ICP‐AES) to measure gadolinium content. Results: The differential blood CT attenuation vs. plasma iodine concentration correlation was well approximated with a linear fit (R2=0.9), while the differential blood MR signal intensity vs. plasma gadolinium concentration correlation was found to be nonlinear. These correlations were used to estimate the iodine and gadolinium content in the liver and the spleen. Using the CT correlation, the liver and the spleen iodine content were estimated to be 70% and 60% of the extracted amounts, respectively. The MR‐based method did not yield satisfactory gadolinium content estimates. Conclusion: This study attempted to correlate CT attenuation and MR signal increases to local iodine and gadolinium concentrations, respectively. In CT, the linear correlation obtained with blood data allowed for estimation of iodine content in the liver and spleen to 60–70% accuracy. In MR, although the presence of the contrast agent could be detected visually over a 7‐day period, additional effort is required to achieve reliable agent concentration estimations.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».