Feasibility of 4D perfusion CT imaging for the assessment of liver treatment response following SBRT and sorafenib
Notice bibliographique
Résumé
Objectives To evaluate the feasibility of 4-dimensional perfusion computed tomography (CT) as an imaging biomarker for patients with hepatocellular carcinoma and metastatic liver disease. Methods and materials Patients underwent volumetric dynamic contrast-enhanced CT on a 320-slice scanner before and during stereotactic body radiation therapy and sorafenib, and at 1 and 3 months after treatment. Quiet free breathing was used in the CT acquisition and multiple techniques (rigid or deformable registration as well as outlier removal) were applied to account for residual liver motion. Kinetic modeling was performed on a voxel-by-voxel basis in the gross tumor volume and normal liver resulting in 3-dimensional parameter maps of blood perfusion, capillary permeability, blood volume, and mean transit time. Perfusion characteristics in the tumor and adjacent liver were correlated with radiation dose distributions to evaluate dose-response. Paired t tests assessed change in spatial and histogram parameters from baseline to different time points during and after treatment. Technique reproducibility as well as the impact of arterial and portal vein input functions was also investigated using intra- and inter-subject variance and Bland-Altman analysis. Results Quantitative perfusion parameters were reproducible (±5.7%; range, 2%-10%) depending on tumor/normal liver type and kinetic parameter. Statistically significant reductions in tumor perfusion were measurable over the course of treatment and as early as 1 week after sorafenib administration ( P < .05). Marked liver parenchyma perfusion reduction was seen with a strong dose-response effect (R 2 = 0.95) that increased significantly over the course treatment. Conclusions The proposed methodology demonstrated feasibility of evaluating spatiotemporal changes in liver tumor perfusion and normal liver function following antiangiogenic therapy and radiation treatment warranting further evaluation of biomarker prognostication.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».