Pulmonary CT and MRI phenotypes that help explain chronic pulmonary obstruction disease pathophysiology and outcomes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Pulmonary x-ray computed tomographic (CT) and magnetic resonance imaging (MRI) research and development has been motivated, in part, by the quest to subphenotype common chronic lung diseases such as chronic obstructive pulmonary disease (COPD). For thoracic CT and MRI, the main COPD research tools, disease biomarkers are being validated that go beyond anatomy and structure to include pulmonary functional measurements such as regional ventilation, perfusion, and inflammation. In addition, there has also been a drive to improve spatial and contrast resolution while at the same time reducing or eliminating radiation exposure. Therefore, this review focuses on our evolving understanding of patient-relevant and clinically important COPD endpoints and how current and emerging MRI and CT tools and measurements may be exploited for their identification, quantification, and utilization. Since reviews of the imaging physics of pulmonary CT and MRI and reviews of other COPD imaging methods were previously published and well-summarized, we focus on the current clinical challenges in COPD and the potential of newly emerging MR and CT imaging measurements to address them. Here we summarize MRI and CT imaging methods and their clinical translation for generating reproducible and sensitive measurements of COPD related to pulmonary ventilation and perfusion as well as parenchyma morphology. The key clinical problems in COPD provide an important framework in which pulmonary imaging needs to rapidly move in order to address the staggering burden, costs, as well as the mortality and morbidity associated with COPD.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 découle