Incorporating cross-voxel exchange into the analysis of dynamic contrast-enhanced imaging data: theory, simulations and experimental results
Notice bibliographique
Résumé
Abstract Predictions of tumour perfusion are key determinants of drug delivery and responsiveness to therapy. Pharmacokinetic models allow for the estimation of perfusion properties of tumour tissues but many assume no dispersion associated with tracer transport away from the capillaries and through the tissue. At the level of a voxel, this translates to assuming no cross-voxel tracer exchange, often leading to the misinterpretation of derived perfusion parameters. Tofts model (TM), a compartmental model widely used in oncology, also makes this assumption. A more realistic description is required to quantify kinetic properties of tracers, such as convection and diffusion. We propose a Cross-Voxel Exchange Model (CVXM) for analysing cross-voxel tracer kinetics. In silico datasets quantifying the roles of convection and diffusion in tracer transport (which TM ignores) were employed to investigate the interpretation of Tofts’ perfusion parameters compared to CVXM. TM returned inaccurate values of K t r a n s and v e where diffusive and convective mechanisms are pronounced (up to 20% and 300% error respectively). A mathematical equation, developed in this work, predicts and gives the correct physiological interpretation of Tofts’ v e . Finally, transport parameters were derived from dynamic contrast enhanced-magnetic resonance imaging of a TS-415 human cervical carcinoma xenograft by using TM and CVXM. The latter deduced lower values of K t r a n s and v e compared to TM (lower by up to 63% and 76% respectively). It also allowed the detection of a diffusive flux (mean diffusivity 155 μ m 2 s −1 ) in the tumour tissue, as well as an increased convective flow at the periphery (mean velocity 2.3 μ m s −1 detected). The results serve as a proof of concept establishing the feasibility of using CVXM for accurately determining transport metrics that characterize the exchange of tracer between voxels. CVXM needs to be investigated further as its parameters can be linked to the tumour microenvironment properties (permeability, pressure…), potentially leading to enhanced personalized treatment planning.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».