Assessing neuronal density in peri‐infarct cortex with PET: Effects of cortical topology and partial volume correction
Notice bibliographique
Résumé
Abstract The peri‐infarct cortex (PIC) is the site of long‐term physiologic changes after ischemic stroke. Traditional methods for delineating the peri‐infarct gray matter (GM) have used a volumetric Euclidean distance metric to define its extent around the infarct. This metric has limitations in the case of cortical stroke, i.e., those where ischemia leads to infarction in the cortical GM, because the vascularization of the cerebral cortex follows the complex, folded topology of the cortical surface. Instead, we used a geodesic distance metric along the cortical surface to subdivide the PIC into equidistant rings emanating from the infarct border and compared this new approach to a Euclidean distance metric definition. This was done in 11 patients with [F‐18]‐Flumazenil ([18‐F]‐FMZ) positron emission tomography (PET) scans at 2 weeks post‐stroke and at 6 month follow‐up. FMZ is a PET radiotracer with specific binding to the alpha subunits of the type A γ‐aminobutyric acid (GABAA) receptor. Additionally, we used partial‐volume correction (PVC) of the PET images to compensate for potential cortical thinning and long‐term neuronal loss in follow‐up images. The difference in non‐displaceable binding potential (BP ND ) between the stroke unaffected and affected hemispheres was 35% larger in the geodesic versus the Euclidean peri‐infarct models in initial PET images and 48% larger in follow‐up PET images. The inter‐hemispheric BP ND difference was approximately 17–20% larger after PVC when compared to uncorrected PET images. PET studies of peri‐infarct GM in cortical strokes should use a geodesic model and include PVC as a preprocessing step. Hum Brain Mapp 38:326–338, 2017 . © 2016 Wiley Periodicals, Inc.
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 ».