Magnetic Resonance Image Attributes of the Ovarian Follicle Wall During Development and Regression1
Notice bibliographique
Résumé
We analyzed image characteristics in T(1)-, T(2)-, and diffusion-weighted in vitro magnetic resonance (MR) images acquired at predefined stages of the ovarian cycle in 36 heifers to test the hypothesis that MR image attributes of the follicle wall reflect the physiologic status of ovarian follicles (viable, atretic, dominant, subordinate). Numerical pixel values (NPV), standard deviation of pixel values (heterogeneity), and area under the curve were used to assess images of follicle walls. Pixel values of the wall were used to calculate a regression line from which intercept, slope, and coefficient of determination were calculated. In T(1) images, NPV of dominant follicles were less likely to fit a regression line at the preovulatory phase than at any other phase (P < 0.1). Preovulatory dominant follicles had lower area under the curve in diffusion-weighted images than early and late static dominant follicles of the anovulatory wave (P < 0.02). Subordinate follicles in the presence of a preovulatory dominant follicle had lower mean NPV in T(1)- and T(2)-weighted images and lower intercepts in T(1)-weighted images than subordinate follicles of the anovulatory wave (P < 0.02). Early atresia of dominant follicles was identified at the late static phase by greater area, mean NPV, and slope in T(2)-weighted images (P < 0.02). Preovulatory dominant follicles had poor fit of NPV to a regression line in T(1)-weighted images and lower area under the curve in diffusion images. Atretic follicles had brighter walls with more acute transitions from follicular fluid to stroma in T(2)-weighted images and more heterogeneous walls in diffusion images. The MR image attributes of the follicle wall reflected the physiologic status of dominant and largest subordinate follicles.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».