MétaCan
Menu
Retour à la cohorte
Enregistrement W2138138486 · doi:10.3174/ajnr.a3584

Comparison of Multiecho Postprocessing Schemes for SWI with Use of Linear and Nonlinear Mask Functions

2013· article· en· W2138138486 sur OpenAlexafffund
Matthew P. Quinn, Joseph S. Gati, L. Martyn Klassen, Adan Lin, J.R. Bird, S.E. Leung, Ravi S. Menon

Notice bibliographique

RevueAmerican Journal of Neuroradiology · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensWestern University
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research Chairs
Mots-clésContrast (vision)Susceptibility weighted imagingEcho (communications protocol)Echo timeArtificial intelligenceComputer visionNonlinear systemComputer sciencePattern recognition (psychology)PhysicsMedicineMagnetic resonance imagingRadiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: SWI is an MR technique conventionally implemented with single-echo gradient-echo data. The purpose of this study was to compare single-echo SWI processing and 2 multiecho SWI processing schemes: postaverage, where an SWI image is created for each echo and then averaged to create a single volume; and frequency-based, where a SWI image is generated from an average frequency image. Linear and nonlinear mask functions were investigated for all 3 processing schemes. MATERIALS AND METHODS: Comprehensive optimizations were performed. Single and multigradient-echo data were acquired at 3T in 10 volunteers. Contrast-to-noise ratio was measured in various structures. Visibilities of the same structures were ranked in different SWI images by trained raters. RESULTS: When image evaluation was based on measurements of contrast-to-noise ratio, the nonlinear mask and frequency-based scheme were superior. However, when image evaluation was based on ranks of qualitative visibility, the linear mask and postaverage scheme were superior. Although the nonlinear mask and frequency-based scheme allow increased contrast of paramagnetic perturbers such as the globus pallidus, periventricular veins, red nucleus, and subthalamic nucleus, they do not necessarily increase the information content of the image; rather, they result in a harsh contrast that is visually unpleasing to radiologists and wherein more subtle structure is relatively less apparent. CONCLUSIONS: Linearly masked postaverage SWI is the recommended implementation of multiecho SWI for radiologic use; however, nonlinearly masked frequency-based SWI may have use in computer-based segmentation or registration.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,048
Tête enseignante GPT0,373
Écart entre enseignants0,326 · 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'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

Citations12
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of NeuroradiologyMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207