An extended reference region model for DCE‐MRI that accounts for plasma volume
Notice bibliographique
Résumé
The reference region model (RRM) for dynamic contrast‐enhanced magnetic resonance imaging (DCE‐MRI) provides pharmacokinetic parameters without requiring the arterial input function. A limitation of the RRM is that it assumes that the blood plasma volume in the tissue of interest is zero, but this is often not true in highly vascularized tissues, such as some tumours. This study proposes an extended reference region model (ERRM) to account for tissue plasma volume. Furthermore, ERRM was combined with a two‐fit approach to reduce the number of fitting parameters, and this was named the constrained ERRM (CERRM). The accuracy and precision of RRM, ERRM and CERRM were evaluated in simulations covering a range of parameters, noise and temporal resolutions. These models were also compared with the extended Tofts model (ETM) on in vivo glioblastoma multiforme data. In simulations, RRM overestimated K trans by over 10% at v p = 0.01 under noiseless conditions. In comparison, ERRM and CERRM were both accurate, with CERRM showing better precision when noise was included. On in vivo data, CERRM provided maps that had the highest agreement with ETM, whilst also being robust at temporal resolutions as poor as 30 s. ERRM can provide pharmacokinetic parameters without an arterial input function in tissues with non‐negligible v p where RRM provides inaccurate estimates. The two‐fit approach, named CERRM, further improves on the accuracy and precision of ERRM.
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 ».