Notice bibliographique
Résumé
Tumor angiogenesis has significant implications in the diagnosis and treatment of various solid tumors. With the advent of fast, multi-slice CT scanners, CT imaging techniques capable of qualitative and quantitative analysis of tumor angiogenesis have been the subject of extensive investigation in the past 2 decades. The fundamental bases for CT imaging of angiogenesis are both the transport by blood flow of intravenously administered iodinated contrast material to tissue and the exchange by diffusion of these contrast molecules between the intravascular space and the extravascular interstitial space. With current fast CT scanners both tissue and vascular enhancement can be measured and traced over time at small time intervals to allow detailed modeling of the distribution of contrast agent in tissue. Both compartmental and distributed parameter models for contrast transport and exchange have been developed to quantify from the CT data the following angiogenesis related parameters: tissue blood flow, blood volume, mean transit time, contrast arrival time, capillary permeability surface area product and hepatic arterial fraction in case of the liver. This review addresses the following aspects of CT imaging of angiogenesis: 1) basic concepts related to the understanding of both compartmental and distributed parameter models; 2) comparison between both types of models; 3) practical issues with respect to the measurement of the arterial input function, which is required for the solution of both types of models; and, 4) illustration of the application of a distributed parameter model, the Johnson and Wilson model, in a number of experimental studies.
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) | 0,000 | 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 ».