SU‐GG‐BRC‐09: CT Detection of Primary and Metastatic Lesions with a Nano‐Agent in Rabbits: Validation with FDG‐PET
Notice bibliographique
Résumé
Purpose: To evaluate the performance of a recently engineered nano‐sized liposome CT agent to detect primary and metastatic tumor lesions in a VX2‐sarcoma rabbit model as compared to FDG‐PET. Method and Materials: Nine New Zealand White rabbits bearing VX2‐sarcoma in their left lateral quadriceps received a single intravenous injection of 80 nm liposomes co‐encapsulating 185 ± 37 mg/kg iodine in the form of iohexol (Omnipaque®) and 7 ± 1 mg/kg gadolinium in the form of gadoteridol (Prohance®). The CT/PET (GE Discovery ST) imaging session took place twelve days after the tumor inoculation procedure, five days post liposome contrast administration and one hour post‐FDG injection (30.3 ± 5.1 MBq/kg). Following CT/PET imaging, the rabbits were sacrificed and the primary and metastatic lesions were examined by a pathologist. The measurement of tumor size was performed on the CT data set. The registration of the CT and PET images was performed using MIPAV. Results: Liposome‐CT demonstrated the same sensitivity and specificity as FDG‐PET for the detection of the 9 primary tumors (volumes = 25 – 7280 mm3, SUVmax = 1.5 – 10.9, HUmax = 173 – 596). In addition, liposome‐CT detected 13 metastatic muscle lesions (volumes = 14 – 2732 mm3, HUmax = 254 – 493) that were histologically malignant, while FDG‐PET identified 7 (volumes = 54 – 1044 mm3, SUVmax = 2.7 – 7.1). For the 16 lesions detected by both imaging modalities, there was a positive correlation between the PET SUVmax and the CT HUmax. Conclusion: In this investigation, increased contrast of primary and metastatic lesions in CT was achieved with the administration of the liposome nano‐agent. This demonstrates the feasibility of employing the liposome‐CT method for effective tumor detection and localization.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».