MétaCan
Menu
Retour à la cohorte
Enregistrement W2062329698 · doi:10.1088/0031-9155/45/5/303

Dynamic contrast enhanced CT measurement of blood flow during interstitial laser photocoagulation: comparison with an Arrhenius damage model

2000· article· en· W2062329698 sur OpenAlexaff
Thomas G. Purdie, Ting-Yim Lee, Megumi Iizuka, Michael D. Sherar

Notice bibliographique

RevuePhysics in Medicine and Biology · 2000
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensSt Joseph's Health CentreUniversity of TorontoOntario Institute for Cancer ResearchLawson Health Research InstituteWestern University
Organismes subventionnairesnon disponible
Mots-clésArrhenius equationBlood flowMaterials scienceBiomedical engineeringNuclear medicineChemistryMedicineActivation energyRadiology

Résumé

récupéré en direct d'OpenAlex

One effect of heating during interstitial laser photocoagulation (ILP) is to directly destroy the tumour vasculature resulting in a loss of viable blood supply. Therefore, blood flow measured during and after treatment can be a useful indicator of tissue thermal damage. In this study, the effect of ILP treatment on rabbit thigh tumours was investigated by measuring blood flow changes using dynamic contrast enhanced computed tomography (CT). The CT measured changes in blood flow of treated tumour tissue were fitted to an Arrhenius model assuming first order rate kinetics. Our results show that changes in blood flow of tumour tissue distant from surrounding normal tissue are well described by an Arrhenius model. By contrast, the temperature profile of tumour tissue adjacent to normal tissue must be modified to account for heat dissipation by the latter. Finally, the Arrhenius parameters derived in the study are similar to those derived by heating tumour tissue to a lower temperature (<47 degrees C) than the current study. In conclusion, CT can be used to monitor blood flow changes during ILP and these measurements are related to the thermal damage predicted by the Arrhenius model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,475
Score d'incertitude au seuil0,367

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,382
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207