Automated removal of spurious intermediate cerebral blood flow volumes improves image quality among older patients: A clinical arterial spin labeling investigation
Notice bibliographique
Résumé
PURPOSE: To evaluate the impact of rejecting intermediate cerebral blood flow (CBF) images that are adversely affected by head motion during an arterial spin labeling (ASL) acquisition. MATERIALS AND METHODS: Eighty participants were recruited, representing a wide age range (14-90 years) and heterogeneous cerebrovascular health conditions including bipolar disorder, chronic stroke, and moderate to severe white matter hyperintensities of presumed vascular origin. Pseudocontinuous ASL and T1 -weigthed anatomical images were acquired on a 3T scanner. ASL intermediate CBF images were included based on their contribution to the mean estimate, with the goal to maximize CBF detectability in gray matter (GM). Simulations were conducted to evaluate the performance of the proposed optimization procedure relative to other ASL postprocessing approaches. Clinical CBF images were also assessed visually by two experienced neuroradiologists. RESULTS: Optimized CBF images (CBFopt ) had significantly greater agreement with a synthetic ground truth CBF image and greater CBF detectability relative to the other ASL analysis methods (P < 0.05). Moreover, empirical CBFopt images showed a significantly improved signal-to-noise ratio relative to CBF images obtained from other postprocessing approaches (mean: 12.6%; range 1% to 56%; P < 0.001), and this improvement was age-dependent (P = 0.03). Differences between CBF images from different analysis procedures were not perceptible by visual inspection, while there was a moderate agreement between the ratings (κ = 0.44, P < 0.001). CONCLUSION: This study developed an automated head motion threshold-free procedure to improve the detection of CBF in GM. The improvement in CBF image quality was larger when considering older participants.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 tête enseignante, 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 ».