MétaCan
Menu
Retour à la cohorte
Enregistrement W2031599094 · doi:10.1002/jmri.21269

MR systems for MRI‐guided interventions

2008· review· en· W2031599094 sur OpenAlexaff
Stephen G. Hushek, Alastair J. Martin, Michael Steckner, Elyakim Bosak, Josef P. Debbins, Walter Kucharzyk

Notice bibliographique

RevueJournal of Magnetic Resonance Imaging · 2008
Typereview
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of TorontoIMRIS (Canada)
Organismes subventionnairesUniversity of California, San Francisco
Mots-clésInterventional radiologyMedicineMedical physicsRadiologyMagnetic resonance imagingComputer science

Résumé

récupéré en direct d'OpenAlex

The field of MR imaging has grown from diagnosis via morphologic imaging to more sophisticated diagnosis via both physiologic and morphologic imaging and finally to the guidance and control of interventions. A wide variety of interventional procedures from open brain surgeries to noninvasive focused ultrasound ablations have been guided with MR and the differences between diagnostic and interventional MR imaging systems have motivated the creation of a new field within MR. This review discusses the various systems that research groups and vendors have designed to meet the requirements of interventional MR and suggest possible solutions to those requirements that have not yet been met. The common requirements created by MR imaging guidance of interventional procedures are reviewed and different imaging system designs will be independently considered. The motivation and history of the different designs are discussed and the ability of the designs to satisfy the requirements is analyzed.

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)0,000
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,940
Score d'incertitude au seuil0,913

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,085
Tête enseignante GPT0,427
Écart entre enseignants0,342 · 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
GenreSynthèse

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

En bref

Citations49
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Magnetic Resonance ImagingMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207