MétaCan
Menu
Retour à la cohorte
Enregistrement W2143992023 · doi:10.1148/rg.295085247

Pediatric FDG PET/CT: Physiologic Uptake, Normal Variants, and Benign Conditions

2009· review· en· W2143992023 sur OpenAlexaff
Amer Shammas, Ruth Lim, Martin Charron

Notice bibliographique

RevueRadiographics · 2009
Typereview
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePositron emission tomographyCorrection for attenuationRadiologyNuclear medicineGastrointestinal tractHead and neckPET-CTUrinary systemInternal medicineSurgery

Résumé

récupéré en direct d'OpenAlex

Positron emission tomography (PET) with 2-[fluorine-18]fluoro-2-deoxy-D-glucose (FDG) is increasingly being used in the evaluation of pediatric oncology patients. However, the normal distribution of (18)F FDG uptake in children is unique and may differ from that in adults. A number of physiologic variants are commonly encountered, including normal physiologic uptake in the head and neck, heart, breast, thymus, liver, spleen, gastrointestinal tract, genital system, urinary collecting system, bone marrow, muscles, and brown adipose tissue. Benign lesions with increased (18)F FDG uptake are also frequently seen and can be misinterpreted as malignancies. In addition, the use of combined PET/computed tomographic (CT) scanners is associated with pitfalls and artifacts such as attenuation correction and misregistration. Proper interpretation of pediatric (18)F FDG PET/CT studies requires knowledge of the normal distribution of (18)F FDG uptake in children, as well as of the aforementioned physiologic variants, benign lesions, and PET/CT-related artifacts. Knowing these potential causes of misinterpretation can increase accuracy in PET image interpretation, decrease the number of unnecessary follow-up studies or procedures, and improve patient treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,349
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations171
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiographicsMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207