Determination of an Optimal Pharmacokinetic Model of <sup>18</sup>F-FET for Quantitative Applications in Rat Brain Tumors
Notice bibliographique
Résumé
O-(2-18F-fluoroethyl)-l-tyrosine (18F-FET) is a radiolabeled artificial amino acid used in PET for tumor delineation and grading. The present study compares different kinetic models to determine which are more appropriate for 18F-FET in rats. Methods: Rats were implanted with F98 glioblastoma cells in the right hemisphere and scanned 9–15 d later. PET data were acquired during 50 min after a 1-min bolus of 18F-FET. Arterial blood samples were drawn for arterial input function determination. Two compartmental pharmacokinetic models were tested: the 2-tissue model and the 1-tissue model. Their performance at fitting concentration curves from regions of interest was evaluated using the Akaike information criterion, F test, and residual plots. Graphical models were assessed qualitatively. Results: Metrics indicated that the 2-tissue model was superior to the 1-tissue model for the current dataset. The 2-tissue model allowed adequate decoupling of 18F-FET perfusion and internalization by cells in the different regions of interest. Of the 2 graphical models tested, the Patlak plot provided adequate results for the tumor and brain, whereas the Logan plot was appropriate for muscles. Conclusion: The 2-tissue-compartment model is appropriate to quantify the perfusion and internalization of 18F-FET by cells in various tissues of the rat, whereas graphical models provide a global measure of uptake.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».