Dynamic perfusion analysis in acute ischemic stroke: A comparative study of two different softwares
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: In clinical practice, decisions often must be made rapidly; therefore, automated software is useful for diagnostic support. Perfusion computed tomography and follow-up evaluation of perfusion data are valuable tools for selecting the optimal recanalization therapy in patients with acute ischemic stroke. OBJECTIVE: This study aimed to compare commercially available software used to evaluate stroke patients prior to thrombectomy. METHODS: The performance of Olea Sphere (OlS) software vs. CT Neuro Perfusion from Syngo (Sy), as well as the electronic Alberta Stroke Program Early Computed Tomography Score (e-ASPECTS) software vs. an experienced radiologist, were compared using descriptive statistics including significance analysis, Spearman's correlation, and the Bland-Altman agreement analysis. For this purpose, 43 data sets of patients with stroke symptoms related to the middle cerebral artery territory were retrospectively post-processed with both tools and analyzed. RESULTS: The automatic e-ASPECTS showed high agreement with an expert rater assessment of the ASPECTS. Using OlS and Sy, we compared the parameters for the ischemic core (relative cerebral blood flow), Time to maximum (Tmax) for the penumbra, and the relative mismatch between these two values. Overall, both software tools achieved good agreement, and their respective values correlated well with each other. However, OlS predicted significantly smaller infarct core volumes compared with Sy. CONCLUSIONS: Although the absolute values have a certain degree of variation, both software programs have good agreement with each other.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 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 découle