Cerebral blood flow estimation in vivo using local tissue reference functions
Notice bibliographique
Résumé
PURPOSE: To evaluate the use of bolus signals obtained from tissue as reference functions (or local reference functions [LRFs]) rather than arterial input functions (AIFs) when deriving cross-calibrated cerebral blood flow (CBF(CC)) estimates via deconvolution. MATERIALS AND METHODS: AIF and white matter (WM) LRF CBF(CC) maps (cross-calibrated so that normal WM was 23.7 mL/minute/100 g) derived using singular value decomposition (SVD) were examined in 28 ischemic stroke patients. Median CBF(CC) estimates from normal gray matter (GM) and ischemic tissue were obtained. RESULTS: AIF and LRF median CBF(CC) estimates resembled one another for all 28 patients (average paired CBF(CC) difference 0.4 +/- 1.7 mL/minute/100 g and -0.4 +/- 1.4 mL/minute/100 g in GM and ischemic tissue, respectively). Wilcoxon signed-rank comparisons of patient median CBF(CC) measurements revealed no statistically significant differences between using AIFs and LRFs (P > 0.05). CONCLUSION: If CBF is quantified using a patient-specific cross-calibration factor, then LRF CBF estimates are at least as accurate as those from AIFs. Therefore, until AIF quantification is achievable in vivo, perfusion protocols tailored for LRFs would simplify the methodology and provide more reliable perfusion information.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 | 0,000 |
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 ».