Evaluation of adipose tissue volume quantification with IDEAL fat–water separation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To validate iterative decomposition of water and fat with echo asymmetry and least-squares estimation (IDEAL) for adipose tissue volume quantification. IDEAL allows MRI images to be produced only from adipose-containing tissues; hence, quantifying adipose tissue should be simpler and more accurate than with current methods. MATERIALS AND METHODS: Ten healthy controls were imaged with 1.5 Tesla (T) Spin Echo (SE), 3.0T T1-weighted spoiled gradient echo (SPGR), and 3.0T IDEAL-SPGR. Images were acquired from the abdomen, pelvis, mid-thigh, and mid-calf. Mean subcutaneous and visceral adipose tissue volumes were compared between the three acquisitions for each subject. RESULTS: There were no significant differences (P>0.05) between the three acquisitions for subcutaneous adipose tissue volumes. However, there was a significant difference (P=0.0002) for visceral adipose tissue volumes in the abdomen. Post hoc analysis showed significantly lower visceral adipose tissue volumes measured by IDEAL versus 1.5T (P<0.0001) and 3.0T SPGR (P<0.002). The lower volumes given by IDEAL are due to its ability to differentiate true visceral adipose tissue from other bright structures like blood vessels and bowel content that are mistaken for adipose tissue in non-fat suppressed images. CONCLUSION: IDEAL measurements of adipose tissue are equivalent to established 1.5T measurement techniques for subcutaneous depots and have improved accuracy for visceral depots, which are more metabolically relevant.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle