MétaCan
Menu
Retour à la cohorte
Enregistrement W1643861420 · doi:10.1002/cem.2430

Liver functional magnetic resonance imaging analysis using a latent variables approach

2012· article· en· W1643861420 sur OpenAlexaff
J. Fortuna, Alyaa H. Elzibak, Zhaoyang Fan, John F. MacGregor, Michael D. Noseworthy

Notice bibliographique

RevueJournal of Chemometrics · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensMcMaster University Medical CentreMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPostprandialBlood-oxygen-level dependentHemodynamicsHyperoxiaCirrhosisMedicineMagnetic resonance imagingLiver diseaseCardiologyInternal medicinePathologyRadiologyLungInsulin

Résumé

récupéré en direct d'OpenAlex

The liver is a highly vascular organ with a dual blood supply, and it performs a remarkable number of vital functions. Here, we show, through measurement of blood oxygen level‐dependent (BOLD) signal, that liver arterial and hepatic portal blood supplies can be modulated through hyperoxia exposure and by consumption of a standardized meal, respectively. As such, we suggest that hyperoxia modulates the hepatic arterial BOLD signal, whereas a controlled meal changes predominantly the hepatic portal BOLD signal. The hemodynamics of the dual liver blood supplies in response to the aforementioned challenges are complex and variable across subjects, making a general linear model‐based analysis difficult. Therefore, we present the application of two local (at each voxel) hemodynamic response‐independent techniques—principal component analysis and partial least squares—to observe the hypothesized reduction in BOLD contrast during cycles of hyperoxic breathing, when comparing preprandial versus postprandial states in a normally functioning liver. We illustrate the ability of our techniques to differentiate between healthy and diseased livers with an analysis of 17 subjects—11 with normal livers and 6 with liver disease (hepatitis or cirrhosis). Our local analysis can correctly classify all of the subjects. Copyright © 2012 John Wiley & Sons, Ltd.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,563
Score d'incertitude au seuil0,298

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,303
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ChemometricsMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207