Multimodality Functional Imaging in Radiation Therapy Planning: Relationships between Dynamic Contrast-Enhanced MRI, Diffusion-Weighted MRI, and 18F-FDG PET
Notice bibliographique
Résumé
OBJECTIVES: Biologically guided radiotherapy needs an understanding of how different functional imaging techniques interact and link together. We analyse three functional imaging techniques that can be useful tools for achieving this objective. MATERIALS AND METHODS: The three different imaging modalities from one selected patient are ADC maps, DCE-MRI, and 18F-FDG PET/CT, because they are widely used and give a great amount of complementary information. We show the relationship between these three datasets and evaluate them as markers for tumour response or hypoxia marker. Thus, vascularization measured using DCE-MRI parameters can determine tumour hypoxia, and ADC maps can be used for evaluating tumour response. RESULTS: ADC and DCE-MRI include information from 18F-FDG, as glucose metabolism is associated with hypoxia and tumour cell density, although 18F-FDG includes more information about the malignancy of the tumour. The main disadvantage of ADC maps is the distortion, and we used only low distorted regions, and extracellular volume calculated from DCE-MRI can be considered equivalent to ADC in well-vascularized areas. CONCLUSION: A dataset for achieving the biologically guided radiotherapy must include a tumour density study and a hypoxia marker. This information can be achieved using only MRI data or only PET/CT studies or mixing both datasets.
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 | 0,003 | 0,002 |
| 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 | 0,000 |
| 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 ».