MétaCan
Menu
Retour à la cohorte
Enregistrement W2020817511 · doi:10.1155/2014/914347

Development of a Hybrid Magnetic Resonance and Ultrasound Imaging System

2014· article· en· W2020817511 sur OpenAlexfundno aff
Victoria Sherwood, John Civale, Ian Rivens, David J. Collins, Martin O. Leach, Gail ter Haar

Notice bibliographique

RevueBioMed Research International · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesInvention for InnovationNational Institute for Health and Care ResearchEngineering and Physical Sciences Research CouncilMedical Research CouncilDepartment of Health and Social CareInstitute of Cancer ResearchCancer Research UK
Mots-clésImaging phantomTransducerMagnetic resonance imagingScannerUltrasoundBiomedical engineeringMaterials scienceAcousticsNuclear medicineMedicinePhysicsOpticsRadiology

Résumé

récupéré en direct d'OpenAlex

A system which allows magnetic resonance (MR) and ultrasound (US) image data to be acquired simultaneously has been developed. B-mode and Doppler US were performed inside the bore of a clinical 1.5 T MRI scanner using a clinical 1-4 MHz US transducer with an 8-metre cable. Susceptibility artefacts and RF noise were introduced into MR images by the US imaging system. RF noise was minimised by using aluminium foil to shield the transducer. A study of MR and B-mode US image signal-to-noise ratio (SNR) as a function of transducer-phantom separation was performed using a gel phantom. This revealed that a 4 cm separation between the phantom surface and the transducer was sufficient to minimise the effect of the susceptibility artefact in MR images. MR-US imaging was demonstrated in vivo with the aid of a 2 mm VeroWhite 3D-printed spherical target placed over the thigh muscle of a rat. The target allowed single-point registration of MR and US images in the axial plane to be performed. The system was subsequently demonstrated as a tool for the targeting and visualisation of high intensity focused ultrasound exposure in the rat thigh muscle.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,183

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,038
Tête enseignante GPT0,385
Écart entre enseignants0,347 · 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'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioMed Research InternationalMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207