Comparison of a reference region model with direct measurement of an AIF in the analysis of DCE‐MRI data
Notice bibliographique
Résumé
Models have been developed for analyzing dynamic contrast-enhanced (DCE)-MRI data that do not require measurements of the arterial input function (AIF). In this study, experimental results obtained from a reference region (RR) analysis are compared with results of an AIF analysis in the same set of five animals (four imaged twice, yielding nine data sets), returning estimates of the volume transfer constant (Ktrans) and the extravascular extracellular volume fraction (ve). Student's t-test values for comparisons of Ktrans and ve between the two models were 0.14 (P=0.88) and 0.85 (P>0.4), respectively (where the high P-values indicate no significant difference between values derived from the two models). Linear regression analysis indicated there was a correlation between Ktrans extracted by the two methods: r2=0.80, P=0.001 (where the low P-value indicates a significant linear correlation). For ve there was no such correlation (r2=0.02). The mean (absolute) percent difference between the models was 22.0% for Ktrans and 28.1% for ve. However, the RR parameter values were much less precise than the AIF method. The mean SDs for Ktrans and ve for the RR analysis were 0.024 min-1 and 0.06, respectively, vs. 0.002 min-1 and 0.03 for AIF analysis.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 | 0,001 |
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 ».