Comparing average breast fat content results from two different protocols at 1.5T and 3T: Can the data be pooled?
Notice bibliographique
Résumé
PURPOSE: To compare the total breast fat content computed from two separate studies, performed on different scanners and with different protocols, with the goal of defining a relationship to allow pooling the data. MATERIALS AND METHODS: Twelve healthy volunteer women were scanned with two different protocols on the same day. The protocols differed in four important aspects: vendors (GE vs. Philips), scanner main magnetic field strengths (1.5T vs. 3T), pulse sequences (2D fast spin-echo vs. 3D spoiled gradient-echo), and water/fat separation techniques. The resulting water and fat maps were processed with in-house software to extract breast tissue slice-wise. Percent fat content was calculated for each breast, per subject. RESULTS: Total percent fat contents (averaged across both breasts) resulting from both protocols were plotted against each other, on a subject-by-subject basis, revealing a strong correlation (R(2) > 0.99), with an overestimation of the fat content from Protocol 1 relative to Protocol 2. The proposed T2 TE-correction for Protocol 1 improves the correlation while decreasing the discrepancy between protocols. CONCLUSION: Total breast fat content of healthy women resulting from the two protocols can be pooled using a linear relationship. The proposed T2 TE-corrected Protocol 1 is expected to yield accurate fat content.
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 | 0,014 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».