Application of voxelwise analysis in the detection of regions of reduced fractional anisotropy in multiple sclerosis patients
Notice bibliographique
Résumé
PURPOSE: To investigate the utility of voxelwise analysis in the detection of lesions in the normal appearing white matter (NAWM) of individual multiple sclerosis (MS) patients. MATERIALS AND METHODS: Diffusion tensor imaging (DTI) was performed on 10 normal controls and six patients with MS lesions. The fractional anisotropy (FA) maps derived from the diffusion-weighted images were then spatially normalized (via an affine transformation) into Montreal Neurological Institute (MNI) space, and the normalized FA map of each of the patients was compared voxelwise with the normalized FA maps of the group of normals in a one-sample t-test (P = 0.0001). Two independent board-certified neuroradiologists reviewed the data. RESULTS: In the patient data for all six cases, the two reviewers determined detection sensitivities of 72% and 96% for the voxelwise technique based on known fluid-attenuated inversion-recovery (FLAIR) lesions. In addition, between the two reviewers, nine NAWM regions exhibiting FA reductions were identified in the six patients. However, numerous regions of abnormal FA were detected that were attributed to poor intersubject image registration. CONCLUSION: Voxelwise analysis of spatially normalized FA maps has the potential to identify regions of FA reduction in lesions and in the NAWM of individual MS patients in a rapid and reproducible fashion. J. Magn. Reson. Imaging 2007;26:552-556. (c) 2007 Wiley-Liss, Inc.
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 | 0,004 | 0,015 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».