Transit time kinetics in ordered and disordered vascular trees
Notice bibliographique
Résumé
Imaging modalities exploit tracer-dilution methods to measure bulk haemodynamic parameters such as blood flow and volume at the level of the microcirculation. Here, we ask the question of whether the kinetics of a tracer can reveal morphological information about the vessels through which the tracers flow. The goal is to relate the acquired time-intensity characteristic to details of the vascular structure that lies below the imaging resolution. Two fractal vascular models are developed that represent organized 'kidney-like' and disorganized 'tumour-like' structures. The models are generated using simple rules of branching and fractal geometry in two dimensions. Blood flow and tracer kinetics are simulated using fundamental laws of haemodynamics. The flow conditions are matched in the two models. The fractal box dimensions of the kidney (D(B) = 1.67 +/- 0.01) and the tumour (D(B) = 1.80 +/- 0.01) vasculatures fall in the range given in the literature (D(B) = 1.61 +/- 0.06 and D(B) = 1.84 +/- 0.04, respectively). The tracer kinetic curves of the kidney and the tumour vasculatures have the same initial slope and final asymptote, corresponding to the same flow rate and vascular volume, but have different forms. The difference in the two curves is related to the distribution function of transit times of the vascular models, and is a consequence of the randomness introduced in vessel diameter and length. In principle, the form of the tracer kinetic curve from a contrast imaging study may offer information relating not only to vascular volume and flow rate, but also to the organization of a microvascular network.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».