Noninvasive Quantification of Local Cerebral Metabolic Rate of Glucose for Clinical Application Using Positron Emission Tomography and <sup>18</sup> F-Fluoro-2-Deoxy- <scp>d</scp> -Glucose
Notice bibliographique
Résumé
Until now, input function is still required in quantification of local cerebral metabolic rate of glucose (LCMRGlc) using positron emission tomography (PET) and (18)F-fluoro-2-deoxy-D-glucose (FDG). Some image-derived methods were developed to get input function noninvasively instead of the arterial blood sampling method, but they needed to make complicated corrections manually, so they cannot always be applied in clinic directly. Here, we propose a simple method based on the Patlak approach by using a reference tissue region and without using any information of input function. This simulation study revealed that the present method was in good agreement with Patlak method; the difference between two methods was less than 5%. The statistical errors with two methods were also obtained, and the results showed the accuracy of LCMRGlc estimated with present method was better than that with Patlak method slightly. The simulation results indicated that the calculation of LCMRGlc with present method was quite stable and independent of the choosing of reference tissue region. All of these show that the present method is a good approximation to Patlak method. The calculation with this method is very simple and easy to perform voxel by voxel; therefore, it can be widely used not only in laboratory studies but also in clinical applications although it only provides the relative rates.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».