Modeling the Effect of Hyperoxia on the Spin–Lattice Relaxation Rate <scp>R1</scp> of Tissues
Notice bibliographique
Résumé
Purpose Inducing hyperoxia in tissues is common practice in several areas of research, including oxygen‐enhanced MRI (OE‐MRI), which attempts to use the resulting signal changes to detect regions of tumor hypoxia or pulmonary disease. The linear relationship between PO2 and R1 has been reproduced in phantom solutions and body fluids such as vitreous fluid; however, in tissue and blood experiments, factors such as changes in deoxyhemoglobin levels can also affect the ΔR1. Theory and Methods This manuscript proposes a three‐compartment model for estimating the hyperoxia‐induced changes in R1 of tissues depending on B0, SO2, blood volume, hematocrit, oxygen extraction fraction, and changes in blood and tissue PO2. The model contains two blood compartments (arterial and venous) and a tissue compartment. This model has been designed to be easy for researchers to tailor to their tissue of interest by substituting their preferred model for tissue oxygen diffusion and consumption. A specific application of the model is demonstrated by calculating the resulting ΔR1 expected in healthy, hypoxic and necrotic tumor tissues. In addition, the effect of sex‐based hematocrit differences on ΔR1 is assessed. Results The ΔR1 values predicted by the model are consistent with reported literature OE‐MRI results: with larger positive changes in the vascular periphery than hypoxic and necrotic regions. The observed sex‐based differences in ΔR1 agree with findings by Kindvall et al. suggesting that differences in hematocrit levels may sometimes be a confounding factor in ΔR1. Conclusion This model can be used to estimate the expected tissue ΔR1 in oxygen‐enhanced MRI experiments.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».