A spatiotemporal multi-scale computational model for FDG PET imaging at different stages of tumor growth and angiogenesis
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
Abstract A deeper understanding of the tumor microenvironment (TME) and its role in metabolic activity at different stages of vascularized tumors can provide useful insights into cancer progression and better support clinical assessments. In this study, a robust and comprehensive multi-scale computational model for spatiotemporal transport of F-18 fluorodeoxyglucose (FDG) is developed to incorporate important aspects of the TME, spanning subcellular-, cellular-, and tissue-level scales. Our mathematical model includes biophysiological details, such as radiopharmaceutical transport within interstitial space via convection and diffusion mechanisms, radiopharmaceutical exchange between intracellular and extracellular matrices by glucose transporters, cellular uptake of radiopharmaceutical, as well as its intracellular phosphorylation by the enzyme. Further, to examine the effects of tumor size by varying microvascular densities (MVDs) on FDG dynamics, four different capillary networks are generated by angiogenesis modeling. Results demonstrate that as tumor grows, its MVD increases, and hence, the spatiotemporal distribution of total FDG uptake by tumor tissue changes towards a more homogenous distribution. In addition, spatiotemporal distributions in tumor with lower MVD have relatively smaller magnitudes, due to the lower diffusion rate of FDG as well as lower local intravenous FDG release. Since mean standardized uptake value (SUV mean ) differs at various stages of microvascular networks with different tumor sizes, it may be meaningful to normalize the measured values by tumor size and the MVD prior to routine clinical reporting. Overall, the present framework has the potential for more accurate investigation of biological phenomena within TME towards personalized medicine.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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