MR Perfusion and Diffusion in Acute Ischemic Stroke: Human Gray and White Matter have Different Thresholds for Infarction
Notice bibliographique
Résumé
It is thought that gray and white matter (GM and WM) have different perfusion and diffusion thresholds for cerebral infarction in humans. We sought to determine these thresholds with voxel-by-voxel, tissue-specific analysis of co-registered acute and follow-up magnetic resonance (MR) perfusion- and diffusion-weighted imaging. Quantitative cerebral blood flow (CBF), cerebral blood volume (CBV), mean transit time (MTT), and apparent diffusion coefficient (ADC) maps were analyzed from nine acute stroke patients (imaging acquired within 6 h of onset). The average values of each measure were calculated for GM and WM in normally perfused tissue, the region of recovered tissue and in the final infarct. Perfusion and diffusion thresholds for infarction were determined on a patient-by-patient basis in GM and WM separately by selecting thresholds with equal sensitivities and specificities. Gray matter has higher thresholds for infarction than WM (P<0.009) for CBF (20.0 mL/100 g min in GM and 12.3 mL/100 g min in WM), CBV (2.4 mL/100 g in GM and 1.7 mL/100 g in WM), and ADC (786 x 10(-6) mm(2)/s in GM and 708 x 10(-6) mm(2)/s in WM). The MTT threshold for infarction in GM is lower (P=0.014) than for WM (6.8 secs in GM and 7.1 secs in WM). A single common threshold applied to both tissues overestimates tissue at risk in WM and underestimates tissue at risk in GM. This study suggests that tissue-specific analysis of perfusion and diffusion imaging is required to accurately predict tissue at risk of infarction in acute ischemic stroke.
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 ».