Quantification of renal perfusion: Comparison of arterial spin labeling and dynamic contrast‐enhanced MRI
Notice bibliographique
Résumé
PURPOSE: To provide the first comparison of absolute renal perfusion obtained by arterial spin labeling (ASL) and separable compartment modeling of dynamic contrast-enhanced (DCE) magnetic resonance imaging (MRI). Moreover, we provide the first application of the dual bolus approach to quantitative DCE-MRI perfusion measurements in the kidney. MATERIALS AND METHODS: Consecutive ASL and DCE-MRI acquisitions were performed on six rabbits on a 1.5 T MRI system. Gadolinium (Gd)-DTPA was administered in two separate injections to decouple measurement of the arterial input function and tissue uptake curves. For DCE perfusion, pixel-wise and mean cortex region-of-interest tissue curves were fit to a separable compartment model. RESULTS: Absolute renal cortex perfusion estimates obtained by DCE and ASL were in close agreement: 3.28 ± 0.59 mL/g/min (ASL), 2.98 ± 0.60 mL/g/min (DCE), and 3.57 ± 0.96 mL/g/min (pixel-wise DCE). Renal medulla perfusion was 1.53 ± 0.35 mL/g/min (ASL) but was not adequately described by the separable compartment model. CONCLUSION: ASL and DCE-MRI provided similar measures of absolute perfusion in the renal cortex, offering both noncontrast and contrast-based alternatives to improve current renal MRI assessment of kidney function.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».