CT perfusion stroke lesion threshold calibration between deconvolution algorithms
Notice bibliographique
Résumé
CTP is an important diagnostic tool in managing patients with acute ischemic stroke, but challenges persist in the agreement of stroke lesion volumes and ischemic core-penumbra mismatch profiles determined with different CTP post-processing software. We investigated a systematic method of calibrating CTP stroke lesion thresholds between deconvolution algorithms using a digital perfusion phantom to improve inter-software agreement of mismatch profiles. Deconvolution-estimated cerebral blood flow (CBF) and Tmax was compared to the phantom ground truth via linear regression for one model-independent and two model-based deconvolution algorithms. Using the clinical standard of model-independent CBF < 30% and Tmax > 6 s as reference thresholds for ischemic core and penumbra, respectively, we determined that model-based CBF < 15% and Tmax > 6 s were the corresponding calibrated thresholds after accounting for quantitative differences revealed at linear regression. Calibrated thresholds were then validated in 63 patients with large vessel stroke by evaluating agreement (concordance and Cohen's kappa, κ) between the two model-based and model-independent deconvolution methods in determining mismatch profiles used for clinical decision-making. Both model-based deconvolution methods achieved 95% concordance with model-independent assessment and Cohen's kappa was excellent (κ = 0.87; 95% confidence interval [CI] 0.72-1.00 and κ = 0.86; 95% CI 0.70-1.00). Our systematic method of calibrating CTP stroke lesion thresholds may help harmonize mismatch profiles determined by different software.
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 | 0,020 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».