Comparison of FDG PET/MRI and FDG PET/CT in Pediatric Oncology in Terms of Anatomic Correlation of FDG-positive Lesions
Notice bibliographique
Résumé
The aims of our study were to compare F-18 fluorodeoxyglucose (FDG) positron-emission tomography/magnetic resonance imaging (PET/MRI) and PET/computed tomography (CT) in pediatric oncology patients in terms of anatomic correlation of FDG-positive lesions, and also to compare diffusion-weighted imaging (DWI) with PET to assess the correlation between apparent diffusion coefficient (ADC) values and standardized uptake value (SUV). Sequential PET/CT and PET/MRI images and/or whole-body DWI and ADC mapping in 34 pediatric patients were retrospectively analyzed. FDG-positive lesions were visually scored for CT, T1-weighted, T2-weighted, and DWI images separately in terms of anatomic correlation of FDG-avid lesions. Correlation analysis was performed for SUV parameters and ADC values. Among 47 FDG-positive lesions identified concurrently on PET/CT and PET/MRI, 37 were positive on CT and 46 were positive on at least one MRI sequence (P=0.012). Among 32 FDG-positive lesions for which DWI were available, 31 could be clearly depicted on DWI, resulting in significant difference compared with CT alone in the detection of FDG-positive lesions. No correlation was found between ADC and SUV. FDG PET/MRI exhibits better performance than PET/CT in terms of anatomic correlation of FDG-avid lesions. Therefore, PET/MRI may be more advantageous than PET/CT, not only due to reduced ionizing radiation dose but also for a better depiction of FDG-avid lesions in pediatric PET imaging.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».