Variants of physiological FDG vascular activity on digital PET
Notice bibliographique
Résumé
OBJECTIVE: Fluorodeoxyglucose PET/computed tomography (FDG PET/CT) is effective in detecting large vessel vasculitis. Digital PET cameras have improved spatial resolution compared with analog PET, resulting in more prominent physiological uptake in arterial walls. This study's goal was to define qualitative normal variants of arterial activity on digital PET/CT. METHODS: We retrospectively reviewed 126 oncological PET/CT studies. Exclusion criteria included history of vasculitis, immunosuppressant therapy, hyperglycemia, or altered FDG biodistribution. Qualitative vessel wall activity (common carotid, brachiocephalic, subclavian, aorta, and femoral) was visually graded by two nuclear physicians with guideline-proposed criteria: 0: ≤mediastinum, 1: <liver, 2: = liver, 3: >liver, where grade 3 is compatible, 2 is possible, and <2 is negative for vasculitis. Cranial artery uptake was visually graded as follows: grade 0: ≤surrounding tissues, grade 1: just above surrounding tissues, and grade 2: significantly above surrounding tissues, with grades 1 and 2 considered positive for cranial artery vasculitis. RESULTS: Large vessel uptake was grade 3 in 0 subjects, grade 2 in four subjects (3%), grade 1 in 87 subjects (69%), and grade 0 in 35 subjects (28%). In studies acquired ≥75 min post-injection, 1/15 subjects had grade 2 uptake. Four subjects (3%) had grade 1 vertebral artery uptake. No subjects had temporal, maxillary, or occipital artery uptake. CONCLUSION: A minority of our subjects presented with grade 2 large vessel uptake, which was associated with longer uptake times, or grade 1 cranial artery uptake, which was associated with higher age and glycemia. These findings should be interpreted with caution in patients referred for suspected vasculitis, as they may represent normal variants on digital PET.
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 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 | 0,000 | 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 | 0,001 |
| 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 tête enseignante, 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 ».