Standardized acquisition and post-processing of dynamic susceptibility contrast perfusion in patients with brain tumors, cerebrovascular disease and dementia: comparability of post-processing software
Notice bibliographique
Résumé
Objective: MR-perfusion post-processing still lacks standardization. This study evaluates the results of perfusion analysis with two established software solutions in a large series of patients with different diseases when a highly standardized processing workflow is ensured. Methods: Multicenter data of 260 patients (80 with brain tumors, 124 with cerebrovascular disease and 56 with dementia examined with the same MR protocol) were analyzed. Raw data sets were processed with two software suites: Olea sphere and NordicICE. Group differences were analyzed with paired t-tests and one-way ANOVA. Results: Perfusion metrics were significantly different for all examined diseases in the unaffected brain for both software suites [ratio cortex/white matter left hemisphere: mean transit time (MTT) 0.991 vs 0.847, p < 0.05; relative cerebral bloodflow (rBF) 3.23 vs 4.418, p < 0.001; relative cerebral bloodvolume (rBVc) 2.813 vs 3.884, p < 0.001; right hemisphere: MTT 1.079 vs 0.854, p < 0.05; rBF 3.262 vs 4.378, p < 0.001; rBVc 2.762 vs 3.935, p < 0.001)]. Perfusion results were also significantly different in patients with stroke (ratio cortex/white matter affected hemisphere: MTT 1.058 vs 0.784; p < 0.001), dementia (ratio cortex/white matter left hemisphere: rBVc 1.152 vs 1.795, p < 0.001; right hemisphere: rBVc 1.396 vs 1.662, p < 0.05) and brain tumors (ratio cortex/whole tumor rBVc: 0.778 vs 0.919, p < 0.001 and ratio cortex/tumor hotspot rBVc: 0.529 vs 0.512, p < 0.05). Conclusion: Despite a highly standardized workflow, parametric perfusion maps are depended on the chosen software. Radiologists should consider software related variances when using dynamic susceptibility contrast perfusion for clinical imaging and research. Advances in knowledge: This multicenter study compared perfusion parameters calculated by two commercial dynamic susceptibility contrast perfusion post-processing software solutions in different central nervous system disorders with a large sample size and a highly standardized processing workflow. Despite, parametric perfusion maps are depended on the chosen software which impacts clinical imaging and research.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».