MétaCan
Menu
Retour à la cohorte
Enregistrement W2130595751 · doi:10.1148/rg.316115523

Whole-Body MR Imaging in Children: Principles, Technique, Current Applications, and Future Directions

2011· review· en· W2130595751 sur OpenAlexaff
Govind B. Chavhan, Paul Babyn

Notice bibliographique

RevueRadiographics · 2011
Typereview
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensSickKids FoundationRoyal University HospitalHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineWhole body imagingMagnetic resonance imagingPositron emission tomographyNuclear medicineMedical imagingRadiologyDiffusion imagingMedical physicsDiffusion MRI

Résumé

récupéré en direct d'OpenAlex

In whole-body magnetic resonance (MR) imaging, the entire body from the vertex to the toes is imaged in one or more planes with one or multiple sequences to allow evaluation of multisystem diseases in a single examination. Whole-body MR imaging is particularly useful for examining children because it does not involve exposure to radiation and allows a complete work-up for disease staging within a single session of sedation or anesthesia. At whole-body MR imaging with a sliding table platform, a body coil may be used, but the resultant images have a low signal-to-noise ratio (SNR) and low resolution; use of a combination of phased-array coils results in images with an improved SNR and higher resolution. As whole-body MR imaging techniques undergo further refinement, the role of the modality in oncologic and nononcologic imaging continues to expand. Its use in the staging of lymphoma and other malignancies has been studied extensively. Whole-body MR imaging does not provide functional information and cannot yet be used to differentiate benign from malignant lymphadenopathy. However, whole-body MR imaging performed with integrated diffusion-weighted sequences may complement or replace positron emission tomography, which involves substantial radiation exposure. Other promising avenues for future research include whole-body MR imaging at 3 T and the combination of molecular imaging or positron emission tomography with whole-body MR imaging.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,002
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,030
Tête enseignante GPT0,341
Écart entre enseignants0,311 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations81
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiographicsMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207