Is correction necessary when clinically determining quantitative cerebral perfusion parameters from multi-slice dynamic susceptibility contrast MR studies?
Notice bibliographique
Résumé
Several groups have modified the standard singular value decomposition (SVD) algorithm to produce delay-insensitive cerebral blood flow (CBF) estimates from dynamic susceptibility contrast (DSC) perfusion studies. However, new dependences of CBF estimates on bolus arrival times and slice position in multi-slice studies have been recently recognized. These conflicting findings can be reconciled by accounting for several experimental and algorithmic factors. Using simulation and clinical studies, the non-simultaneous measurement of arterial and tissue concentration curves (relative slice position) in a multi-slice study is shown to affect time-related perfusion parameters, e.g. arterial-tissue-delay measurements. However, the current clinical impact of relative slice position on amplitude-related perfusion parameters, e.g. CBF, can be expected to be small unless any of the following conditions are present individually or in combination: (a) high concentration curve signal-to-noise ratios, (b) small tissue mean transit times, (c) narrow arterial input functions or (d) low temporal resolution of the DSC image sequence. Recent improvements in magnetic resonance (MR) technology can easily be expected to lead to scenarios where these effects become increasingly important sources of inaccuracy for all perfusion parameter estimates. We show that using Fourier interpolated (high temporal resolution) residue functions reduces the systematic error of the perfusion parameters obtained from multi-slice studies.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».