MétaCan
Menu
Retour à la cohorte
Enregistrement W2086493791 · doi:10.1002/mrm.10713

Linear combination of multiecho data: Short <i>T</i><sub>2</sub> component selection

2004· article· en· W2086493791 sur OpenAlexafffund
Craig Jones, Qing‐San Xiang, Kenneth P. Whittall, Alex L. MacKay

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of British ColumbiaMultiple Sclerosis Society of CanadaBC Children's Hospital
Mots-clésMyelinFraction (chemistry)Range (aeronautics)Set (abstract data type)SIGNAL (programming language)Component (thermodynamics)White matterNuclear magnetic resonanceMathematicsChemistryBiological systemComputer scienceMaterials sciencePhysicsMagnetic resonance imagingNeuroscienceChromatographyCentral nervous system

Résumé

récupéré en direct d'OpenAlex

The myelin sheath, which is wrapped around the axons in the brain, can be affected by many diseases, resulting in cognitive and physical disability. Other work showed water in the myelin sheath has a T2 approximately 15 ms. The current standard technique to estimate the fraction of myelin water in vivo is to collect multiecho data and fit the decay curves using a nonnegative least-squares (NNLS) algorithm. A new algorithm was developed to calculate optimized coefficients which were used to linearly combine multiecho data to estimate the myelin water signal. A set of simulations showed the new technique was accurate over a broad range of myelin water signal. The myelin water fraction from brain regions in scans from five volunteers, estimated by the linear combination method, agreed with the myelin water fraction estimated by the standard technique. The strength of the new technique is that the linear combination does not assume an underlying T2 model and is 20,000 times faster than NNLS.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,384
Score d'incertitude au seuil0,556

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,034
Tête enseignante GPT0,332
Écart entre enseignants0,299 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations38
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207