Preliminary study of time maximum intensity projection computed tomography imaging for the detection of early ischemic change in patient with acute ischemic stroke
Notice bibliographique
Résumé
Noncontrast computed tomography (NCCT) has been used for the detection of early ischemic change (EIC); however, correct interpretation of NCCT findings requires much clinical experience. This study aimed to assess the accuracy of time maximum intensity projection computed tomography technique (tMIP), which reflects the maximum value for the time phase direction from the dynamic volume data for each projected plane, for detection of EIC, against that of NCCT.Retrospective review of NCCT, cerebral blood volume in CT perfusion (CTP-CBV), and tMIP of 186 lesions from 280 regions evaluated by Alberta Stroke Program Early CT Score (ASPECTS) in 14 patients with acute middle cerebral artery stroke who had undergone whole-brain CTP using 320-row area detector CT was performed. Four radiologists reviewed EIC on NCCT, CTP-CBV, and tMIP in each ASPECTS region at onset using the continuous certainty factor method. Receiver operating characteristic analysis was performed to compare the relative performance for detection of EIC. The correlations were evaluated.tMIP-color showed the best discriminative value for detection of EIC. There were significant differences in the area under the curve for NCCT and tMIP-color, CTP-CBV (P < .05). Scatter plots of ASPECTS showed a positive significant correlation between NCCT, tMIP-gray, tMIP-color, and the follow-up study (NCCT, r = 0.32, P = .0166; tMIP-gray, r = 0.44, P = .0007; tMIP-color, r = 0.34, P = .0104).Because tMIP provides a high contrast parenchymal image with anatomical and vascular information in 1 sequential scan, it showed greater accuracy for detection of EIC and predicted the final infarct extent more accurately than NCCT based on ASPECTS.
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 | 0,001 |
| 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 ».