A Cross-Voxel Exchange Model for the Non-invasive Imaging of Tracer Transport in Tumours
Notice bibliographique
Résumé
Tumours exhibit abnormal interstitial structures and vasculature function often leading to an impaired and heterogeneous drug delivery. Predictions of tumour perfusion are key determinants of drug delivery and responsiveness to therapy. Pharmacokinetic models allow for the quantification of tracer perfusion based on contrast enhancement measured with non-invasive imaging techniques. In this thesis, a mathematical framework was developed to provide a comprehensive description of tracer extravasation as well as advection and diffusion based on cross-voxel tracer kinetics. The focus of the first part is on examining the assumptions made by Tofts Model (TM), a widely employed predecessor, and building upon the findings to develop an advanced Cross-Voxel Exchange Model (CVXM). The second part employs in silico datasets quantifying the roles of convection and diffusion in tracer transport (which TM ignores) to investigate the validity of Tofts’ perfusion parameters compared to CVXM. In the third part, transport parameters were derived from the dynamic contrast-enhanced magnetic resonance images of human cervical carcinoma xenografts by using CVXM. The resulting velocity flows, tracer diffusivities and extravasation parameters were employed to explain the heterogeneous distribution of the tracer across the tumour and its accumulation at the periphery. Finally, a minimum scan time was advised for the pre-clinical datasets that renders informative estimations of the transport parameters. Concluding, the new mathematical framework, based on CVXM, can determine transport metrics characterizing the exchange of tracer between the vasculature and the tumour tissue, potentially leading to its clinical application in personalized treatment planning and its employment in drug development research.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».