Comparison of high spatial resolution respiratory triggered inversion recovery‐prepared spoiled gradient echo sequence with standard breathhold T1 sequence MRI of the liver using gadoxetic acid
Notice bibliographique
Résumé
PURPOSE: To assess if a high resolution respiratory triggered inversion recovery prepared GRE sequence (RT) improved image quality and detection of lesions compared with breathhold GRE T1 weighted MR sequence (BH) in the hepatobiliary uptake phase of MR of the liver using gadoxetic acid (Gd-EOB-DTPA). MATERIALS AND METHODS: Thirty-eight consecutive patients from July 2009 to September 2010 who had undergone Gd-EOB-DTPA enhanced liver exams were retrospectively identified. Qualitative assessment performed on reference lesions and background liver by two independent readers. Quantitative assessment performed by one reader. RESULTS: Liver parenchyma signal-to-noise ratio for BH was 90.3 ± 23.9 (mean ± SD) and RT, 106.1 ± 40.4 (P = 0.119). For BH, 320 lesions were detected compared with 257 for RT. Lesion to liver contrast was significantly better on RT sequences (0.26 ± 0.24; mean ± SD) compared with BH sequence (0.21 ± 0.20; P = 0.044). Fifty-seven reference lesions assessed. Both reviewers rated BH better for lesion margin and hepatic vessel sharpness. BH was rated with less artifact (P < 0.05). Lesion to liver contrast on BH was significantly better for one reviewer. CONCLUSION: BH sequence had better overall image quality than RT in several quantitative and qualitative factors including number of lesions detected and level of artifact.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».