MétaCan
Menu
Retour à la cohorte
Enregistrement W4214927223 · doi:10.3389/fmed.2022.796085

Reproducibility of Standardized Uptake Values Including Volume Metrics Between TOF-PET-MR and TOF-PET-CT

2022· article· en· W4214927223 sur OpenAlexaff
Aruki Tanaka, Tetsuro Sekine, Edwin E. G. W. ter Voert, Konstantinos Zeimpekis, Gaspar Delso, Felipe de Galiza Barbosa, Geoffrey Warnock, Shin‐ichiro Kumita, Patrick Veit Haibach, Martin W. Huellner

Notice bibliographique

RevueFrontiers in Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensSinai Health SystemWomen's College HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesHokkaido University
Mots-clésNuclear medicineStandardized uptake valueReproducibilityMedicinePositron emission tomographyPET-CTRadiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Purpose To investigate the reproducibility of tracer uptake measurements, including volume metrics, such as metabolic tumor volume (MTV) and tumor lesion glycolysis (TLG) obtained by TOF-PET-CT and TOF-PET-MR. Materials and Methods Eighty consecutive patients with different oncologic diagnoses underwent TOF-PET-CT (Discovery 690; GE Healthcare) and TOF-PET-MR (SIGNA PET-MR; GE Healthcare) on the same day with single dose−18F-FDG injection. The scan order, PET-CT following or followed by PET-MR, was randomly assigned. A spherical volume of interest (VOI) of 30 mm was placed on the liver in accordance with the PERCIST criteria. For liver, the maximum and mean standard uptake value for body weight (SUV) and lean body mass (SUL) were obtained. For tumor delineation, VOI with a threshold of 40 and 50% of SUVmax was used (VOI40 and VOI50). The SUVmax, SUVmean, SUVpeak, MTV and TLG were calculated. The measurements were compared between the two scanners. Results In total, 80 tumor lesions from 35 patients were evaluated. There was no statistical difference observed in liver regions, whereas in tumor lesions, SUVmax, SUV mean, and SUVpeak of PET-MR were significantly underestimated (p < 0.001) in both VOI40 and VOI50. Among volume metrics, there was no statistical difference observed except TLG on VOI50 (p = 0.03). Correlation between PET-CT and PET-MR of each metrics were calculated. There was a moderate correlation of the liver SUV and SUL metrics (r = 0.63–0.78). In tumor lesions, SUVmax and SUVmean had a stronger correlation with underestimation in PET-MR on VOI 40 (SUVmax and SUVmean; r = 0.92 and 0.91 with slope = 0.71 and 0.72, respectively). In the evaluation of MTV and TLG, the stronger correlations were observed both on VOI40 (MTV and TLG; r = 0.75 and 0.92) and VOI50 (MTV and TLG; r = 0.88 and 0.95) between PET-CT and PET-MR. Conclusion PET metrics on TOF-PET-MR showed a good correlation with that of TOF-PET-CT. SUVmax and SUVpeak of tumor lesions were underestimated by 16% on PET-MRI. MTV with % threshold can be regarded as identical volumetric markers for both TOF-PET-CT and TOF-PET-MR.

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)0,006
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,050
Tête enseignante GPT0,352
Écart entre enseignants0,301 · 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.

Devis d'étudeObservationnel
DomaineReproductibilité
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MedicineMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207