Magnetic resonance of hearts in a jar: breathing new life into old pathological specimens
Notice bibliographique
Résumé
BACKGROUND: Specimens of the normal and congenitally abnormal heart have been long preserved, collected, and studied. It is increasingly difficult to add to such pathological collections. These museum pieces are often inaccessible for teaching purposes. Magnetic resonance imaging of old pathological specimens could produce high-resolution unalterable datasets that could be processed to create three-dimensional reconstructions using inexpensive systems that could be used by untrained individuals. To our knowledge, the concept of "Virtual Autopsy" has not been applied to cardiac specimens of museum collections. METHODS: To determine optimal sequences and assure specimen safety, five different pulse sequences designed to create three-dimensional datasets were tried on a uterus specimen suspended in a fluid-filled glass container, using a 1.5 Tesla scanner with an eight-channel phased-array coil. Having found the best sequences and established specimen integrity, we scanned six historical heart specimens in their original fluid-filled glass containers. The datasets were processed on a laptop with a DICOM viewer available as freeware. RESULTS: All specimens were successfully scanned. The best image quality was obtained by using a three-dimensional FSPGR and the BRAVO pulse sequences. High-resolution three-dimensional and multi-planar image processing was possible for all datasets. Detailed examination of the specimens could be easily performed. CONCLUSION: Pathological specimens can successfully be scanned in minutes resulting in unalterable and portable high-resolution three-dimensional datasets that can be processed by using inexpensive readily available software. The final cardiac reconstructions can be widely shared for educational and scientific purposes and ensure a lasting access to pathological specimens.
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 | 0,002 |
| 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 | 0,001 | 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) | 0,002 | 0,001 |
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 ».