Enhanced Extraction of Blood and Tissue Time-Activity Curves in Cardiac Mouse FDG PET Imaging by Means of Constrained Nonnegative Matrix Factorization
Notice bibliographique
Résumé
We propose an enhanced method to accurately retrieve time-activity curves (TACs) of blood and tissue from dynamic 2-deoxy-2-[18F]fluoro-D-glucose ([18F]FDG) positron emission tomography (PET) cardiac images of mice. The method is noninvasive and consists of using a constrained nonnegative matrix factorization algorithm (CNMF) applied to the matrix ( A ) containing the intensity values of the voxels of the left ventricle (LV) PET image. CNMF factorizes A into nonnegative matrices H and W , respectively, representing the physiological factors (blood and tissue) and their associated weights, by minimizing an extended cost function. We verified our method on 32 C57BL/6 mice, 14 of them with acute myocardial infarction (AMI). With CNMF, we could break down the mouse LV into myocardial and blood pool images. Their corresponding TACs were used in kinetic modeling to readily determine the [18F]FDG influx constant ( K i ) required to compute the myocardial metabolic rate of glucose. The calculated K i values using CNMF for the heart of control mice were in good agreement with those published in the literature. Significant differences in K i values for the heart of control and AMI mice were found using CNMF. The values of the elements of W agreed well with the LV structural changes induced by ligation of the left coronary artery. CNMF was compared with the recently published method based on robust unmixing of dynamic sequences using regions of interest (RUDUR). A clear improvement of signal separation was observed with CNMF compared to the RUDUR method.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».