Optimizing cine MRI for uterine peristalsis: A comparison of three different single shot fast spin echo techniques
Notice bibliographique
Résumé
PURPOSE: To determine the optimal single shot fast spin echo (SSFSE) technique by varying interval between image acquisitions for cine MRI of uterine peristalsis. MATERIALS AND METHODS: MRI was performed in 13 premenopausal women (4 normal and 9 with benign pelvic pathology) in various phases of their menstrual cycle. Midsagittal uterus was scanned using a multiphasic SSFSE technique at 2-, 3-, and 4-s intervals over 2 min. Three readers independently and randomly evaluated for peristaltic frequency/2 min, longitudinal direction and intensity of peristalsis in three imaging parameters. Contrast-to-noise ratios (CNRs) were also obtained. RESULTS: Peristaltic frequency for the 2, 3, and 4 s was 2.2 ± 2.3, 3.3 ± 1.5, and 3.6 ± 1.3 waves/2 min, respectively. It increased by 1.5 (95% confidence interval [CI]: 0.31-2.64) waves/2 min with 4 s compared with 2 s. Direction was detected for the 2, 3, and 4 s in 5/13(38%), 9/13(69%) and 12/13(92%) women. Compared with 2 s, intensity of peristalsis in endometrial movement (P = 0.04), signal change of the JZ (P = 0.03), and spread into outer myometrium (P = 0.02), CNRendometrium-JZ by 57% (P < 0.001), and CNRouter myometrium-JZ by 45% (P < 0.01) increased with 4 s. CONCLUSION: Cine MRI with SSFSE sequence for uterine peristaltism is best performed using a 4-s scan interval.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 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 ».