Semiautomatic Segmentation of Ventilated Airspaces in Healthy and Asthmatic Subjects Using Hyperpolarized<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mtext>He</mml:mtext></mml:math>MRI
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
A segmentation algorithm to isolate areas of ventilation from hyperpolarized helium-3 magnetic resonance imaging (HP (3)He MRI) is described. The algorithm was tested with HP (3)He MRI data from four healthy and six asthmatic subjects. Ventilated lung volume (VLV) measured using our semiautomated technique was compared to that obtained from manual outlining of ventilated lung regions and to standard spirometric measurements. VLVs from both approaches were highly correlated (R = 0.99; P < 0.0001) with a mean difference of 3.8 mL and 95% agreement indices of -30.8 mL and 38.4 mL. There was no significant difference between the VLVs obtained through the semiautomatic approach and the manual approach. A Dice coefficient which quantified the intersection of the two datasets was calculated and ranged from 0.95 to 0.97 with a mean of 0.96 ± 0.01 (mean ± SD). VLVs obtained through the semiautomatic algorithm were also highly correlated with measurements of forced expiratory volume in one second (FEV1) (R = 0.82; P = 0.0035) and forced vital capacity (FVC) (R = 0.95; P < 0.0001). The technique may open new pathways toward advancing more quantitative characterization of ventilation for routine clinical assessment for asthma severity as well as a number of other respiratory diseases.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle