MétaCan
Menu
Retour à la cohorte
Enregistrement W4214542176 · doi:10.1002/jmri.28134

Noninvasive Quantification of Cerebral Blood Flow Using Hybrid <scp>PET</scp>/<scp>MR</scp> Imaging to Extract the [<scp><sup>15</sup>O</scp>]<scp>H<sub>2</sub>O</scp> Image‐Derived Input Function Free of Partial Volume Errors

2022· article· en· W4214542176 sur OpenAlexafffund
Lucas Narciso, Tracy Ssali, Linshan Liu, Sarah Jesso, Justin W. Hicks, Udunna Anazodo, Elizabeth Finger, Keith St. Lawrence

Notice bibliographique

RevueJournal of Magnetic Resonance Imaging · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensLawson Health Research InstituteWestern University
Organismes subventionnairesCanadian Institutes of Health ResearchAlzheimer's Drug Discovery Foundation
Mots-clésIntraclass correlationNuclear medicinePositron emission tomographyCerebral blood flowPartial volumeMedicineMagnetic resonance imagingVoxelBlood samplingBlood flowChemistryReproducibilityRadiologyInternal medicineChromatography

Résumé

récupéré en direct d'OpenAlex

Background Quantification of cerebral blood flow (CBF) with [15O]H2O‐positron emission tomography (PET) requires arterial sampling to measure the input function. This invasive procedure can be avoided by extracting an image‐derived input function (IDIF); however, IDIFs are sensitive to partial volume errors due to the limited spatial resolution of PET. Purpose To present an alternative hybrid PET/MR imaging of CBF (PMRFlowIDIF) that uses phase‐contrast (PC) MRI measurements of whole‐brain (WB) CBF to calibrate an IDIF extracted from a WB [15O]H2O time‐activity curve. Study Type Technical development and validation. Animal Model Twelve juvenile Duroc pigs (83% female). Population Thirteen healthy individuals (38% female). Field Strength/Sequences 3 T; gradient‐echo PC‐MRI. Assessment PMRFlowIDIF was validated against PET‐only in a porcine model that included arterial sampling. CBF maps were generated by applying PMRFlowIDIF and two previous PMRFlow methods (PC‐PET and double integration method [DIM]) to [15O]H2O‐PET data acquired from healthy individuals. Statistical Tests PMRFlow and PET CBF measurements were compared with regression and correlation analyses. Paired t‐tests were performed to evaluate differences. Potential biases were assessed using one‐sample t‐tests. Reliability was assessed by intraclass correlation coefficients. Statistical significance: = 0.05. Results In the animal study, strong agreement was observed between PMRFlowIDIF (average voxel‐wise CBF, 58.0 ± 16.9 mL/100 g/min) and PET (63.0 ± 18.9 mL/100 g/min). In the human study, PMRFlowDIM (y = 1.11x − 5.16, R2 = 0.99 ± 0.01) and PMRFlowPC−PET (y = 0.87x + 3.82, R2 = 0.97 ± 0.02) performed similarly to PMRFlowIDIF, and CBF was within the expected range (eg, 49.7 ± 7.2 mL/100 g/min for gray matter). Data Conclusion Accuracy of PMRFlowIDIF was confirmed in the animal study with the primary source of error attributed to differences in WB CBF measured by PC MRI and PET. In the human study, differences in CBF from PMRFlowIDIF, PMRFlowDIM, and PMRFlowPC−PET were due to the latter two not accounting for blood‐borne activity. Level of Evidence 2 Technical Efficacy Stage 1

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,258
Écart entre enseignants0,244 · 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

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Magnetic Resonance ImagingMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207