The Correlations Between MRI Perfusion, Diffusion Parameters, and 18F-FDG PET Metabolic Parameters in Primary Head-and-Neck Cancer
Notice bibliographique
Résumé
This study aimed to investigate the relationships among parameters from dynamic contrast-enhanced (DCE) MRI, diffusion-weighted MRI (DWI), and F-fluorodeoxyglucose (F-FDG) PET in patients with primary head-and-neck squamous cell carcinoma (HNSCC).A total of 34 patients with primary HNSCC underwent DCE-MRI, DWI, and F-FDG PET before treatment. The perfusion parameters (Ktrans, Ktransmax, Kep, Ve, Vp, and AUC60) from DCE-MRI and ADC (ADCmean, ADCmin) values from DWI were calculated within the manually placed ROI around the main tumor. Standardized uptake value (SUVmax, SUVmean), metabolic tumor volume (MTV), and total lesion glycolysis (TLG = SUVmean × MTV) were calculated with thresholds of 3.0 SUV. The associations between parameters were evaluated by Pearson correlation analysis.Significant correlations were identified between Ktrans and Kep (r = 0.631), Ktrans and Ve (r = 0.603), Ktrans and ADCmean (r = 0.438), Ktransmax and Kep (r = 0.667), Ktransmax and Vp (r = 0.351), Ve and AUC60 (r = 0.364), Ve and ADCmean (r = 0.590), and Ve and ADCmin (r = 0.361). ADCmin was reversely correlated with TLG (r = -0.347). Tumor volume was significantly associated with Ktransmax (r = 0.348).The demonstrated relationships among parameters from DCE, DWI, and F-FDG PET suggest complex interactions among tumor biologic characteristics. Each diagnostic technique may provide complementary information for HNSCC.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».