Comparison of inversion recovery gradient echo with inversion recovery fast spin echo techniques for magnetic resonance imaging detection of navicular bone marrow lesions in horses
Notice bibliographique
Résumé
OBJECTIVE: To compare navicular bone marrow lesion (BML) conspicuity in the feet of horses as determined via 2 fat-suppressed MRI techniques, including standard short tau inversion recovery (STIR) and inversion recovery gradient echo (IRGE). SAMPLE: Feet (n = 150) of horses with lameness referable to the distal portion of the digit. PROCEDURES: STIR and IRGE sequences were obtained prospectively in all feet with a standing low-field equine MRI system. Presence of a BML was ascertained by identification of a characteristic combination of marrow alterations in T1-weighted, T2*-weighted, T2-weighted, and STIR images. Signal-to-noise and contrast-to-noise ratios were calculated on STIR and IRGE sequences in 56 feet with a navicular BML. RESULTS: Signal-to-noise and contrast-to-noise ratios of both sequences correlated linearly (r = 0.87 and r = 0.92, respectively) but were significantly higher for STIR images (mean ± SD, 22.6 ± 12.7 and 12.4 ± 11.4, respectively), compared with IRGE images (13.7 ± 8.0 and 5.9 ± 7.2, respectively). CONCLUSIONS AND CLINICAL RELEVANCE: Results suggested that the IRGE sequence revealed BMLs significantly less conspicuously, compared with the standard STIR sequence. The 2 techniques cannot be used interchangeably, and IRGE is therefore not recommended as the sole fat-suppressed sequence for routine equine standing MRI protocols.
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| 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 | 0,001 | 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 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 ».