Diffusion- and Perfusion-Weighted MRI Patterns in Borderzone Infarcts
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: The pathophysiology of borderzone infarcts is not well understood. We investigated whether combined diffusion-weighted imaging (DWI) and perfusion-weighted imaging (PWI) could identify pathophysiologically meaningful categories of borderzone infarcts. METHODS: Seventeen patients with borderzone infarcts were identified from the Beth Israel Deaconess Medical Center Stroke Database. All patients had DWI and PWI, the majority of them within the first 24 hours of symptom onset. RESULTS: Three patterns of perfusion abnormalities were associated with the diffusion lesions: 1, normal perfusion (5 patients); 2, localized perfusion deficits matching the area of restricted diffusion (5 patients); and 3, extensive perfusion deficits involving 1 or more vascular territories (7 patients). All but 1 patient with pattern 1 had transient peri-infarct hypotension as the presumed stroke mechanism. Two patients with pattern 2 had cardiac or aortic embolic sources; none had large-artery disease or arterial hypotension. Reperfusion was detected in all patients with this pattern who submitted to a follow-up study. All patients with pattern 3 had severe stenosis or occlusion of a large artery: the internal carotid, anterior cerebral, or middle cerebral. CONCLUSIONS: We postulate that the perfusion abnormality varies according to the mechanism of the borderzone infarction. Transient perfusion deficits occurring with hypotension in the absence of significant large-artery disease may not be revealed by PWI. Embolism may cause some cases of small borderzone perfusion deficits. Critical large-artery disease may cause large territorial perfusion deficits and predispose to borderzone infarction.
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) | 0,005 | 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 ».