SU‐FF‐J‐100: Mutual Information as a Metric of Multimodality Contrast Agent Efficacy
Notice bibliographique
Résumé
Purpose: Mutual information (MI) has been previously employed for image registration. Assuming a priori registration, MI becomes an estimator of image similarity. We apply the concept of MI to the analysis of a feature space formed from multimodality signal intensity distributions. We demonstrate the utility of this concept through the development of a reproducible inter‐image metric to evaluate the efficacy of a multimodal contrast agent for x‐ray computed tomography (CT) and magnetic resonance (MR) imaging. Method and Materials: MR and CT scans were acquired of an anesthetized rabbit in the presence of a multimodal contrast agent. MR and CT scans were acquired pre‐ and post‐injection at fixed time intervals. For each time interval, the MR and CT images were registered, the multimodality feature space was formed and the mutual information between MR and CT was computed using in‐house software. The resulting MI metric was compared with measurements of signal intensity enhancement in user‐defined regions‐of‐interest within the liver, kidneys and aorta. Results: The MI metric correlates with measurements of signal enhancement in MR and CT due to the presence of contrast agent as seen in the liver, kidneys and aorta. Voxels identified as contributing to the increase in MI correspond to areas of visual contrast enhancement observed on MR and CT. Conclusion: We have developed an inter‐image metric for the characterization and optimization of a multimodal contrast agent. The computation of the MI metric is automated and can be extended to 3D for the assessment of image volumes and allows for the inclusion of other modalities such as positron emission tomography. Future investigations will further the development of MI and multimodality feature space analysis as a tool in radiation therapy applications including image registration, target definition and treatment response monitoring.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».