Computational fluid dynamics modelling of perfusion measurements in dynamic contrast-enhanced computed tomography: development, validation and clinical applications
Notice bibliographique
Résumé
Dynamic contrast-enhanced computed tomography (DCE-CT) is an imaging tool that aids in evaluating functional characteristics of tissue at different stages of disease management: diagnostic, radiation treatment planning, treatment effectiveness, and monitoring. Clinical validation of DCE-derived perfusion parameters remains an outstanding problem to address prior to perfusion imaging becoming a widespread standard as a non-invasive quantitative measurement tool. One approach to this validation process has been the development of quality assurance phantoms in order to facilitate controlled perfusion ex vivo. However, most of these systems fail to establish and accurately replicate physiologically relevant capillary permeability and exchange performance. The current work presents the first step in the development of a prospective suite of physics-based perfusion simulations based on coupled fluid flow and particle transport phenomena with the goal of enhancing the understanding of clinical contrast agent kinetics. Existing knowledge about a controllable, two-compartmental fluid exchange phantom was used to validate the computational fluid dynamics (CFD) simulation model presented herein. The sensitivity of CFD-derived contrast uptake curves to contrast injection parameters, including injection duration and flow rate, were quantified and found to be within 10% accuracy. The CFD model was employed to evaluate two commonly used clinical kinetic algorithms used to derive perfusion parameters: Fick's principle and the modified Tofts model. Neither kinetic model was able to capture the true transport phenomena it aimed to represent but if the overall contrast concentration after injection remained identical, then successive DCE-CT evaluations could be compared and could indeed reflect differences in regional tissue flow. This study sets the groundwork for future explorations in phantom development and pharmaco-kinetic modelling, as well as the development of novel contrast agents for DCE imaging.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».