MétaCan
Menu
← Retour à la cohorte
Enregistrement W3185048882

Theory and initial validation of a non-invasive hybrid [15O]O2-PET/MRI approach to obtain image-derived input functions

2021· article· en· W3185048882 sur OpenAlexaff
Lucas Narciso, Tracy Ssali, Félix W. Wehrli, Keith St. Lawrence

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensLawson Health Research InstituteWestern University
Organismes subventionnairesnon disponible
Mots-clésPositron emission tomographyNuclear medicineMagnetic resonance imagingCerebral blood flowPet imagingPartial volumeBlood flowBiomedical engineeringNuclear magnetic resonanceMedicineRadiologyPhysicsInternal medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

1602 Introduction: The challenges of accurately measuring the image-derived input function (IDIF) in order to avoid invasive arterial sampling for quantitative positron emission tomography (PET) is well recognized [1]. Recent studies focused on imaging the cerebral metabolic rate of oxygen (CMRO2) have derived the IDIF from time-activity curves (TACs); however, these techniques are either computationally intensive or require calibration to a measured arterial input function [2,3]. Here, we propose a PET/magnetic resonance imaging (MRI) method that uses MRI estimates of whole-brain (WB) cerebral blood flow (CBF) and oxygen extraction fraction (OEF) to scale the IDIF derived from WB [15O]O2-TAC (Fig. 1A). The required MRI measurements can be obtained with the OxFlow sequence [4]. In this study, the theory was validated with animal experiments, which incorporated MRI measurements of WB CBF and OEF. Arterial input functions (AIFs) were measured and PET-only estimates of CMRO2 are available for comparison [5-6]. Methods: [15O]H2O and [15O]O2 PET data were acquired in a hybrid PET/MR scanner (3 T Siemens Biograph mMR), together with simultaneous MRI oximetry (OxFlow), from juvenile pigs (n = 8). Animals were anesthetized with 3% isoflurane and 6 mL/kg/h propofol. Recirculating water was modeled by species-specific parameters [7]. Results: WB-CMRO2 estimates obtained with measured AIF and IDIF (Fig. 2) were 1.81 ± 0.10 and 1.70 ± 0.20 mLO2/100g/min, respectively (ns.). Corresponding WB OEF measurements were 0.31 ± 0.09 and 0.29 ± 0.09 (ns.). Finally, WB-CBV estimated using the IDIFs (average = 3.8 ±0.6 mL/100g) were within the expected normal range. Conclusions: The proposed approach offers a non-invasive alternative to measure CMRO2 by incorporating IDIFs obtained by hybrid PET/MRI. The approach is straightforward as it derives the IDIF directly from the WB PET TAC scaled by the corresponding MRI estimates of OEF and CBF. Furthermore, it avoids partial volume errors typically encountered when deriving the IDIF from region-of-interest analysis of the feeding arteries. Further studies are required to fully validate this approach in a PET/MR scanner on healthy volunteers. References: [1] Zanotti-Fregonara et al. (2011-JCBFM) [2] Su et al. (2017-JCBFM) [3] Kudomi et al. (2018-JCBFM) [4] Wehrli et al. (2014- Acad Radiol) [5] Kudomi et al. (2005-JCBFM) [6] Kudomi et al. (2013-JCBFM) [7] Kudomi et al. (2009-JCBFM) Figure 1. [15O]O2-IDIF (Ao(t) , Eq. 1) obtained by combining the WB TAC from [15O]O2-PET dynamic image with MRI measurements of WB CBF and OEF. WB cerebral blood volume (CBV) was estimated by the Grubb relationship. Eq. 1 is similar to the one obtained by Kudomi et al. [3], but with two terms in the Taylor series expansion. Figure 2. (A) Measured AIFs and (B) IDIFs (solid line; ± one standard deviation—dashed lines.) IDIFs internal dispersion was included to obtain comparable curves (dispersion constant of 20 s was used).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,307
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMedical Imaging Techniques and Applications→Travaux en français237 207→