A Noninvasive Method for Quantifying Cerebral Blood Flow by Hybrid PET/MRI
Notice bibliographique
Résumé
Although PET with <sup>15</sup>O-water is the gold standard for imaging cerebral blood flow (CBF), quantification requires measuring the arterial input function (AIF), which is an invasive and noisy procedure. To circumvent this problem, we propose a noninvasive PET/MRI approach that eliminates the need to measure AIF by using global CBF determined by phase-contrast (PC) MRI as a reference region. This approach not only is noninvasive but also involves no additional imaging time, because PC MRI and <sup>15</sup>O-water PET are acquired simultaneously. The purpose of this study was to test the accuracy of this hybrid method in an animal model in which AIF was measured directly and CBF was varied by changing the arterial CO<sub>2</sub> tension. <b>Methods:</b> PET and MRI data were simultaneously acquired in juvenile pigs at hypocapnia (<i>n</i> = 5), normocapnia (<i>n</i> = 5), and hypercapnia (<i>n</i> = 4). CBF was measured by the MRI reference method and by PET alone using an MRI-compatible blood sampling system to measure AIF. <b>Results:</b> Global CBF estimates from PC MRI and <sup>15</sup>O-water PET agreed well, with a correlation coefficient of 0.9 and a slope of 0.88. Strong positive correlations (<i>R</i><sup>2</sup> > 0.96) were also found between regional CBF generated by the PET-only and the MRI-reference methods. <b>Conclusion:</b> These findings demonstrate the accuracy of this hybrid PET/MRI approach, which might prove useful in patients for whom obtaining accurate CBF measurements is challenging.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».