Diagnostic Accuracy of Dynamic Contrast-Enhanced MR Imaging Using a Phase-Derived Vascular Input Function in the Preoperative Grading of Gliomas
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The accuracy of tumor plasma volume and K(trans) estimates obtained with DCE MR imaging may have inaccuracies introduced by a poor estimation of the VIF. In this study, we evaluated the diagnostic accuracy of a novel technique by using a phase-derived VIF and "bookend" T1 measurements in the preoperative grading of patients with suspected gliomas. MATERIALS AND METHODS: This prospective study included 46 patients with a new pathologically confirmed diagnosis of glioma. Both magnitude and phase images were acquired during DCE MR imaging for estimates of K(trans)_φ and V(p_)φ (calculated from a phase-derived VIF and bookend T1 measurements) as well as K(trans)_SI and V(p_)SI (calculated from a magnitude-derived VIF without T1 measurements). RESULTS: Median K(trans)_φ values were 0.0041 minutes(-1) (95 CI, 0.00062-0.033), 0.031 minutes(-1) (0.011-0.150), and 0.088 minutes(-1) (0.069-0.110) for grade II, III, and IV gliomas, respectively (P ≤ .05 for each). Median V(p_)φ values were 0.64 mL/100 g (0.06-1.40), 0.98 mL/100 g (0.34-2.20), and 2.16 mL/100 g (1.8-3.1) with P = .15 between grade II and III gliomas and P = .015 between grade III and IV gliomas. In differentiating low-grade from high-grade gliomas, AUCs for K(trans)_φ, V(p_φ), K(trans)_SI, and V(p_)SI were 0.87 (0.73-1), 0.84 (0.69-0.98), 0.81 (0.59-1), and 0.84 (0.66-0.91). The differences between the AUCs were not statistically significant. CONCLUSIONS: K(trans)_φ and V(p_)φ are parameters that can help in differentiating low-grade from high-grade gliomas.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».