CT-perfusion stroke imaging: a threshold free probabilistic approach to predict infarct volume compared to traditional ischemic thresholds
Notice bibliographique
Résumé
The aim was to evaluate a novel method of threshold-free prediction of brain infarct from computed tomography perfusion (CTP) imaging in comparison to conventional ischemic thresholds. In a multicenter cohort of 161 patients with acute large vessel occlusion who received endovascular therapy, brain infarction was predicted by CTP using (1) optimized parameter cut-off values determined by ROC curve analysis and (2) probabilistic logistic regression threshold-free analysis. Predicted infarct volumes and prediction errors based on four perfusion parameter maps were compared against observed infarcts. In 93 patients with successful recanalization, the mean observed infarct volume was 35.7 ± 61.9 ml (the reference for core infarct not savable by reperfusion). Optimal parameter thresholds predicted mean infarct volumes between 53.2 ± 44.4 and 125.0 ± 95.4 ml whereas threshold-free analysis predicted mean volumes between 35.9 ± 28.5 and 36.1 ± 29.0 ml. In 68 patients with persistent occlusion, the mean observed infarct volume was 113.4 ± 138.3 ml (the reference to define penumbral infarct savable by reperfusion). Predicted mean infarct volumes by parameter thresholds ranged from 91.4 ± 81.5 to 163.8 ± 135.7 ml, by threshold-free analysis from 113.2 ± 89.9 to 113.5 ± 89.0 ml. Threshold-free prediction of infarct volumes had a higher precision and lower patient-specific prediction error than conventional thresholding. Penumbra to core lesion mismatch estimate may therefore benefit from threshold-free CTP analysis.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».