Improved contrast in multispectral phase images derived from magnetic resonance exams of multiple sclerosis patients
Notice bibliographique
Résumé
We describe a method to extract data from multispectral MR exams of patients with Multiple Sclerosis (MS). The technique produces images of "spectral phase" (SP) relative to a reference tissue. SP images allow retrospective suppression of signal in the reference tissue, while maintaining high spatial resolution. Image quality in SP images was determined from MR exams of 5 MS patients selected at random from a clinical trial underway at our institute. Exams consisting of proton density weighted (PDw), T2 weighted (T2w), T1 weighted (T1w), and gadolinium-DTPA enhanced T1w (GAD) images were acquired from each patient. The MR exams were corrected for intensity nonuniformity, then filtered with an algorithm based upon anisotropic diffusion, to reduce noise. Principal component (PC) images and SP images relative to cerebrospinal fluid (SP(CSF)), normal appearing white matter (SP(NAWM)), gray matter (SP(GM)), and temporalis muscle (SP(MUS)) were then calculated. Contrast between tissues and MS lesions in the MR and derived images was then determined by measuring the signal-difference-to-noise ratio (dSNR) between tissues. Our new SP images provided better tissue contrast than the original MR, filtered MR, and PC images. Contrast improved between CSF and NAWM (from 19.5 to 56), CSF and GM (from 15 to 36), GM and NAWM (from 8 to 14), MS lesions and CSF (from 16 to 35), and between MS lesions and NAWM (from 24 to 47). (Maximum contrast in the original MR images compared to maximum contrast in the SP images.) The additional contrast in SP images may aid the quantification and analysis of lesion activity in MR exams of MS patients.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».