Preliminary evaluation of MRI-derived input function for quantitative measurement of glucose metabolism in an integrated PET-MRI
Notice bibliographique
Résumé
PET semi-quantitative methods such as relative uptake value can be robust but offer no biological information and do not account for intra-subject variability in tracer administration or clearance. Simultaneous multimodal measurements that combine PET and MRI not only permit crucial multiparametric measurements, it provides means of applying tracer kinetic modelling without the need for serial arterial blood sampling. In this study we adapted an image-derived input function (IDIF) method to improve characterization of glucose metabolism in an ongoing dementia study. Here we present preliminary results in a small group of frontotemporal dementia patients and controls. IDIF was obtained directly from dynamic PET data guided by regions of interest drawn on carotid vessels on high resolution T1-weighted MR Images. IDIF was corrected for contamination of non-arterial voxels. A validation of the method was performed in a porcine model in a PET-CT scanner comparing IDIF to direct arterial blood samples. Metabolic rate of glucose (CMRglc) was measured voxel-by-voxel in gray matter producing maps that were compared between groups. Net influx rate (Ki) and global mean CMRglc are reported. A good correlation (r = 0.9 p<0.0001) was found between corrected IDIF and input function measured from direct arterial blood sampling in the validation study. In 3 FTD and 3 controls, a trend towards hypometabolism was found in frontal, temporal and parietal lobes similar to significant differences previously reported by other groups. The global mean CMRglc and Ki observed in control subjects are in line with previous reports. In general, kinetic modelling of PET-FDG using an MR-IDIF can improve characterization of glucose metabolism in dementia. This method is feasible in multimodal studies that aim to combine PET molecular imaging with MRI as dynamic PET can be acquired along with multiple MRI measurements.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».