Correlation of CT and MR Perfusion and Permeability Parameters for Intracranial Tumors
Notice bibliographique
Résumé
Background: Perfusion imaging, mainly MR perfusion (MRP), is performed frequently for brain tumor imaging. CT perfusion (CTP) is less studied as a method for characterizing brain tumors. The purpose of this study was to demonstrate the usefulness of CTP perfusion parameters in evaluating brain tumors and to compare it with MRP measures in the same patient population. Methods: Patients underwent CTP and MRP imaging prospectively. Images were processed with vendor-provided and vendor-neutral software. Four regions of interests were placed in whole tumor, solid portion of the tumor, region of maximum perfusion and contralateral normal white matter. Absolute and normalized values of cerebral blood flow (CBF), cerebral blood volume (CBV), and permeability were obtained for both CTP and MRP and compared using correlation and linear regression. Results: We compared CTP and MRP in 20 patients with intracranial tumors. With vendor-provided software, we found significant correlation for absolute CBV in the region of maximum perfusion (r<sup>2 </sup>= 0.26, p = 0.031) and for normalized CBV (r<sup>2 </sup>= 0.29, p = 0.020) and normalized CBF (r<sup>2 </sup>= 0.34, p = 0.011) in the whole tumor. With vendor-neutral software, we found significant correlation for normalized CBF in whole tumor (r<sup>2 </sup>= 0.38, p = 0.008) and in solid component (r<sup>2 </sup>= 0.47, p = 0.002). There were no significant correlations for the permeability parameters.Conclusions: In comparing CTP and MRP methods, several statistically significant positive correlations were seen for CBF and CBV values. CTP may potentially be used interchangeably with MRP, for imaging of brain tumors, especially when MRP is contraindicated.
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 | 0,000 |
| 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 ».