A simulation study of cell size and volume fraction mapping for tissue with two underlying cell populations using diffusion‐weighted MRI
Notice bibliographique
Résumé
Purpose To propose a method for voxel‐wise estimation of cell radii and volume fractions of two cell populations when they coexist in the same MR voxel using the combination of diffusion‐weighted MRI and microstructural modeling. Method Microstructure models were investigated using diffusion data simulated with the matrix method for a range of microstructures mimicking tumor tissue with two cell populations, using acquisition parameters available on preclinical scanners. The effect of noise was investigated for a subset of these microstructures. The accuracy and precision of the estimated radii and volume fractions for large and small cells were evaluated by comparing the estimates to their true values. The stability of model fitting was characterized by the percentage of accepted fits. Results The estimation accuracy and precision, and thus the ability to robustly distinguish the two cell populations, depended on the microstructural properties and SNR. For a SNR of 50, a minimum difference of 3 μm between the radius of the large and small cell populations was required for differentiation. Proposed modifications to the two cell population microstructure model, including constrained fits, improved the stability of fits. Conclusions This proof‐of‐concept study proposed a diffusion MRI‐based method for voxel‐wise estimation of cell radii and volume fractions of two cell populations when they coexist in the same MR voxel. The ability to reliably characterize tissue with two cell populations opens exciting avenues of potential applications in both tumor diagnosis and treatment monitoring.
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 | 0,002 |
| 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 | 0,001 | 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 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 ».