T<sub>1</sub> independent, T<sub>2</sub><sup>*</sup> corrected chemical shift based fat–water separation with multi‐peak fat spectral modeling is an accurate and precise measure of hepatic steatosis
Notice bibliographique
Résumé
PURPOSE: To determine the precision and accuracy of hepatic fat-fraction measured with a chemical shift-based MRI fat-water separation method, using single-voxel MR spectroscopy (MRS) as a reference standard. MATERIALS AND METHODS: In 42 patients, two repeated measurements were made using a T(1) -independent, T 2*-corrected chemical shift-based fat-water separation method with multi-peak spectral modeling of fat, and T(2) -corrected single voxel MR spectroscopy. Precision was assessed through calculation of Bland-Altman plots and concordance correlation intervals. Accuracy was assessed through linear regression between MRI and MRS. Sensitivity and specificity of MRI fat-fractions for diagnosis of steatosis using MRS as a reference standard were also calculated. RESULTS: Statistical analysis demonstrated excellent precision of MRI and MRS fat-fractions, indicated by 95% confidence intervals (units of absolute percent) of [-2.66%,2.64%] for single MRI ROI measurements, [-0.81%,0.80%] for averaged MRI ROI, and [-2.70%,2.87%] for single-voxel MRS. Linear regression between MRI and MRS indicated that the MRI method is highly accurate. Sensitivity and specificity for detection of steatosis using averaged MRI ROI were 100% and 94%, respectively. The relationship between hepatic fat-fraction and body mass index was examined. CONCLUSION: Fat-fraction measured with T(1) -independent T 2*-corrected MRI and multi-peak spectral modeling of fat is a highly precise and accurate method of quantifying hepatic steatosis.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».