Quantitative susceptibility mapping study of deep gray matter iron content in glioma patients
Notice bibliographique
Résumé
Background: Iron is associated with the pathophysiology of gliomas. The measurement of brain iron levels plays a vital role in defining the pathophysiologic changes caused by gliomas. This study aimed to analyze the effect of gliomas with different histopathology and molecular characteristics on deep gray matter (DGM) iron content and the relationship between DGM iron content and cognition in glioma patients (PT). Methods: In this retrospective study, we included 81 PT, categorized according to different histopathology and molecular characteristics, and 30 age- and gender-matched healthy controls (HC). Brain quantitative susceptibility mapping (QSM) maps were computed from three-dimensional (3D) multi-echo gradient-echo data using Laplacian-based phase unwrapping, a variational sharpening (V-SHARP) background field correction and the streaking artifacts reduction (STAR)-QSM method. ITK-SNAP was used to measure the susceptibility values reflecting the iron content in the regions of interest. Differences in DGM magnetic susceptibility between groups were compared. Pearson's correlation analysis assessed the relationship between DGM magnetic susceptibility and Montreal Cognitive Assessment (MoCA). Results: 24.70±2.20, P=0.021). There was a negative correlation between MoCA scores and DGM magnetic susceptibility. Conclusions: The DGM iron content, as measured by QSM, was higher in PT than in HC and correlated with tumor grade. Cognitive decline is associated with increased DGM iron content in PT. The DGM iron content could be a potential biomarker in glioma differentiation and prognosis.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».