Characterizing iron deposition in multiple sclerosis lesions using susceptibility weighted imaging
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 investigate whether the variable forms of putative iron deposition seen with susceptibility weighted imaging (SWI) will lead to a set of multiple sclerosis (MS) lesion characteristics different than that seen in conventional MR imaging. MATERIALS AND METHODS: Twenty-seven clinically definite MS patients underwent brain scans using magnetic resonance imaging including: pre- and postcontrast T1-weighted imaging, T2-weighted imaging, FLAIR, and SWI at 1.5 T, 3 T, and 4 T. MS lesions were identified separately in each imaging sequence. Lesions identified in SWI were reevaluated for their iron content using the SWI filtered phase images. RESULTS: There were a variety of new lesion characteristics identified by SWI, and these were classified into six types. A total of 75 lesions were seen only with conventional imaging, 143 only with SWI, and 204 by both. From the iron quantification measurements, a moderate linear correlation between signal intensity and iron content (phase) was established. CONCLUSION: The amount of iron deposition in the brain may serve as a surrogate biomarker for different MS lesion characteristics. SWI showed many lesions missed by conventional methods and six different lesion characteristics. SWI was particularly effective at recognizing the presence of iron in MS lesions and in the basal ganglia and pulvinar thalamus.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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