Accuracy of Non-Enhanced CT in Detecting Early Ischemic Edema Using Frequency Selective Non-Linear Blending
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Ischemic brain edema is subtle and hard to detect by computed tomography within the first hours of stroke onset. We hypothesize that non-enhanced CT (NECT) post-processing with frequency-selective non-linear blending ("best contrast"/BC) increases its accuracy in detecting edema and irreversible tissue damage (infarction). METHODS: We retrospectively analyzed the NECT scans of 76 consecutive patients with ischemic stroke (exclusively middle cerebral artery territory-MCA) before and after post-processing with BC both at baseline before reperfusion therapy and at follow-up (5.73±12.74 days after stroke onset) using the Alberta Stroke Program Early CT Score (ASPECTS). We assessed the differences in ASPECTS between unprocessed and post-processed images and calculated sensitivity, specificity, and predictive values of baseline NECT using follow-up CT serving as reference standard for brain infarction. RESULTS: NECT detected brain tissue hypoattenuation in 35 of 76 patients (46.1%). This number increased to 71 patients (93.4%) after post-processing with BC. Follow-up NECT confirmed brain infarctions in 65 patients (85.5%; p = 0.012). Post-processing increased the sensitivity of NECT for brain infarction from 35/65 (54%) to 65/65 (100%), decreased its specificity from 11/11 (100%) to 7/11 (64%), its positive predictive value (PPV) from 35/35 (100%) to 65/69 (94%) and increased its accuracy 46/76 (61%) to 72/76 (95%). CONCLUSIONS: This post-hoc analysis suggests that post-processing of NECT with BC may increase its sensitivity for ischemic brain damage significantly.
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.
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 | 0,001 |
| 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 découle