Temporal evolution and spatial distribution of quantitative T2 MRI following acute ischemia reperfusion injury
Notice bibliographique
Résumé
Background Determining mechanisms of secondary stroke injury related to cerebral blood flow and the severity of microvascular injury contributing to edema and blood-brain barrier breakdown will be critical for the development of adjuvant therapies for revascularization treatment. Aim To characterize the heterogeneity of the ischemic lesion using quantitative T2 imaging along with diffusion-weighted magnetic resonance imaging (DWI) within five hours of treatment. Methods Quantitative T2 magnetic resonance imaging was acquired within 5 h (baseline) and at 24 h (follow-up) of stroke treatment in 29 patients. Dynamic contrast enhanced permeability imaging was performed at baseline in a subgroup of patients. Absolute volume change and lesion percent change was determined for the quantitative T2, DWI, and absolute volume change sequences. A Gaussian process with RRELIEFF feature selection algorithm was used for prediction of relative quantitative T2 and DWI lesion growth, baseline and follow-up quantitative T2/DWI lesion ratios, and also NIHSS at 24 h and change in NIHSS from admission to 24 h. Results In n = 27 patients, median (interquartile range) lesion percent change was 114.8% (48.9%, 259.1%) for quantitative T2, 48.2% (−12.6%, 179.6%) for absolute volume change, and 62.7% (26.3%, 230.9%) for DWI, respectively. Our model, consisting of baseline NIHSS, CT ASPECTS, and systolic blood pressure, showed a strong correlation with quantitative T2 percent change (cross correlation R 2 = 0.80). There was a strong predictive ability for quantitative T2/DWI lesion ratio at 24 h using baseline NIHSS and last seen normal to 24 h magnetic resonance imaging time (cross correlation R 2 = 0.93). Baseline dynamic contrast enhanced permeability was moderately correlated to the baseline quantitative T2 values (rho = 0.38). Conclusion Quantitative T2 imaging provides critical information for development of therapeutic approaches that could ameliorate microvascular damage during ischemia reperfusion.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».