Sci—Fri AM: Imaging — 01: Feasibility of estimating choline kinase activity with kinetic modeling of 18F‐fluorocholine pet imaging of prostate cancer
Notice bibliographique
Résumé
Prostate cancer (PCa) detection and delineation remains a challenge for medical imaging. Studies have shown 18F‐Fluorocholine (FCH) PET imaging to be a promising modality in the detection of recurrent PCa. Detection of denovo PCa is more challenging, as lesions such as benign prostatic hyperplasia (BPH) may adversely affect the sensitivity and specificity of the modality. PCa and BPH have been shown to exhibit similar uptake of FCH, yet it has been shown that phosphocholine levels are much more elevated in PCa compared to BPH. Therefore, it would be useful to measure the activity of phosphorylation via choline kinase (k3) in order to differentiate PCa from BPH. This work examines the feasibility of using a compartmental model to estimate k3 with dynamic 18F‐Fluorocholine PET imaging. JSim software [1] was used to simulate the compartmental model for FCH exchange. A simulated tissue curve was generated using predefined parameters and the model's ability to estimate these parameters through fitting of the simulated tissue curve with and without noise was investigated. The fitting procedure was performed using the non‐negative least squares algorithm in MATLAB after the equation governing fitting was linearized. In the noiseless case, the model was able to accurately identify the values of each rate parameter. For the noisy case with an SNR of 10:1, the mean estimated k3 for 10,000 runs had a coefficient of variation of 14.9%. The kinetic model shows promise for quantifying k3, which would allow the differentiation of malignant and benign tumours of the prostate.
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 ».