Compound speckle model demonstrates two-phase wash-in of contrast-enhanced ultrasound cine loops
Notice bibliographique
Résumé
During contrast-enhanced ultrasound (CEUS) imaging of tumor microvascular perfusion, nearby arteriole enhancement can be a dominant feature of the wash-in kinetics that obscures the perfusion characteristics of the capillary bed. This presentation demonstrates that statistical wash-in curves generated using our compound CEUS speckle model1 exhibit two distinct phases corresponding to “fast-flow” and “slow-flow” enhancement that can be detected by fitting a linear combination of two monoexponential functions with different time constants. CEUS cine loops were acquired from a patient-derived xenograft model of renal cell carcinoma, where fresh tumor fragments were engrafted into the chicken embryo chorioallantoic membrane. Subharmonic CEUS images were acquired at 18 MHz using a destruction-replenishment protocol. Enhancement of manually segmented tumor cross-sections was analyzed offline in MATLAB. The CEUS cine loops from this xenograft model frequently exhibited in-plane arteriole enhancement. The two-phase fit discriminated a slow-flow component in 26.6% of time-intensity wash-in curves and 62.9% of the statistical wash-in curves, leading to a decrease in estimated tumor blood volume by 22.1% and 24.7%, respectively, compared to a simple monoexponential fit. These results suggest that conventional CEUS processing may frequently overestimate capillary blood volume. 1M.R. Lowerison et al., Med. Phys. 44, 99-111 (2017).
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».