XiaoMi-AI文件搜索系统
World File Search SystemFDOPA
基于聚（乳酸）（PLA）的混合和修改策略的开发：改善技术应用的关键特性的方法 - 回顾
1 PET/CT分子成像单元，美国国家神经病学研究所，墨西哥城14269，墨西哥； franciscoromerocastell@gmail.com（f.r.r.c.）; juansrosles_esmipn@hotmail.com（J.S.R.G。）; nkerikfmmn@gmail.com（N.E.K.R.）2墨西哥城国家癌症研究所核医学系14080年，墨西哥； denissegr205@gmail.com 3 PET/CT分子成像单元，墨西哥城Salud Digna，墨西哥市04100，墨西哥4核医学部，医院DE ESPECIALIDADES DEL CESPECIALIDADES DEL CENTROMéDicodico dico nacional Siglo XXI，IMSS，IMS，墨西哥市，墨西哥市06720，墨西哥， 19.Anacalderon@gmail.com 5巴拿马城市512-9100卫生部成人神经科医生和运动障碍专家； dradioselina@gmail.com 6哥伦比亚国家癌症研究所临床神经病学系，哥伦比亚111511； andresm.bonilla@urosario.edu.co *通信：fabiosinisterra128@gmail.com（f.a.s.s.s.s.s.）; dra.emillycm@gmail.com（e.a.c.m.）;电话。： +52-5531698234（F.A.S.S.）†这些作者为这项工作做出了同样的贡献。
FDOPA PET 神经成像的自动分析框架
摘要 在本研究中，我们评估了 FDOPA PET 神经影像数据的全自动分析框架的性能，以及它对人口统计学和实验变量以及处理参数的敏感性。XNAT 成像平台的一个实例用于存储伦敦国王学院机构大脑 FDOPA PET 成像档案，以及个人人口统计学和临床信息。通过重新设计基于 Matlab 的历史 FDOPA PET 分析脚本，在 Python 中实现了用于成像处理和数据量化的全自动分析流程，并将其集成到 XNAT 中。最终的数据存储库包括来自 23 个不同研究的 892 个 FDOPA PET 扫描。我们发现自动化流程的数据分析具有良好的可重复性（在 Ki cer 的纹状体中：对照组 ICC ¼ 0.71，精神病患者的 ICC ¼ 0.88）。从评估的人口统计学和实验变量来看，性别
18F-FDOPA PET 用于无创预测胶质瘤分子参数：一项放射组学研究
作为 MRI 的辅助手段，18 F-FDOPA PET 成像对神经胶质瘤的评估表现出很高的性能，它结合静态和动态特征来非侵入性地预测异柠檬酸脱氢酶 (IDH) 突变和 1p/19q 共缺失，世界卫生组织在 2016 年将其列为重要参数。本研究评估了其他 18 F-FDOPA PET 放射组学特征是否可以进一步提高性能，以及每个特征对性能的贡献。方法：我们的研究包括 72 例回顾性选择的、新诊断的神经胶质瘤患者，并进行 18 F-FDOPA PET 动态采集。提取了一组 114 个特征，包括常规静态特征和动态特征以及其他放射组学特征，并训练机器学习模型来预测 IDH 突变和 1p/19q 共缺失。模型基于机器学习算法，该算法由稳定、相关和不相关的特征构建而成，这些特征通过层次聚类和引导式特征选择过程选择。通过使用嵌套交叉验证方法比较曲线下面积来评估模型。使用 Shapley 加性解释值评估特征重要性。结果：最佳模型能够预测 IDH 突变（带 L2 正则化的逻辑回归）和 1p/19q 共缺失（带径向基函数核的支持向量机），曲线下面积分别为 0.831（95% CI，0.790 – 0.873）和 0.724（95% CI，0.669 – 0.782）。对于 IDH 突变的预测，动态特征是模型中最重要的特征（达到峰值的时间，35.5%）。相比之下，其他放射组学特征对于预测 1p/19q 联合缺失最为有用（对于小区域低灰度强调，重要性高达 14.5%）。结论：18 F-FDOPA PET 是一种有效的工具，可使用全套氨基酸 PET 放射组学特征无创预测胶质瘤分子参数。每个特征集的贡献表明，系统地整合动态采集对于预测 IDH 突变以及在日常实践中开发放射组学特征对于预测 1p/19q 联合缺失的重要性。