VERDICT MRI validation in fresh and fixed prostate specimens using patient‐specific moulds for histological and MR alignment
Notice bibliographique
Résumé
The VERDICT framework for modelling diffusion MRI data aims to relate parameters from a biophysical model to histological features used for tumour grading in prostate cancer. Validation of the VERDICT model is necessary for clinical use. This study compared VERDICT parameters obtained ex vivo with histology in five specimens from radical prostatectomy. A patient-specific 3D-printed mould was used to investigate the effects of fixation on VERDICT parameters and to aid registration to histology. A rich diffusion data set was acquired in each ex vivo prostate before and after fixation. At both time points, data were best described by a two-compartment model: the model assumes that an anisotropic tensor compartment represents the extracellular space and a restricted sphere compartment models the intracellular space. The effect of fixation on model parameters associated with tissue microstructure was small. The patient-specific mould minimized tissue deformations and co-localized slices, so that rigid registration of MRI to histology images allowed region-based comparison with histology. The VERDICT estimate of the intracellular volume fraction corresponded to histological indicators of cellular fraction, including high values in tumour regions. The average sphere radius from VERDICT, representing the average cell size, was relatively uniform across samples. The primary diffusion direction from the extracellular compartment of the VERDICT model aligned with collagen fibre patterns in the stroma obtained by structure tensor analysis. This confirmed the biophysical relationship between ex vivo VERDICT parameters and tissue microstructure from histology.
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 ».