Quantitative Comparison of Susceptibility-weighted Imaging Methods for Detection of Differences in Deep Grey Matter in Multiple Sclerosis
Notice bibliographique
Résumé
Problem: Investigating signal changes in deep gray matter (DGM) structures isa novel approach to understanding the role of iron in the progression of multiplesclerosis (MS)1,2,3. T2* weighted angiography (SWAN) is a new susceptibility weighted3D imaging method offering less noise than the traditional T2* weighted gradientrecalled echo (T2* GRE) method4. We assess the difference between SWAN and T2*GRE and their ability to detect signal changes in DGM structures and image quality.Method: Five healthy controls and 13 MS patients were selected from an ongoingstudy. MRI was performed on a 3T MR scanner using the standard protocols forthe following sequences: a 3D multi-echo SWAN, a 2D single-echo T2* GRE. Signalmeasurements were taken in DGM structures with the FMRIB software library andcontrast-noise (CNR) and signal-noise (SNR) ratios were calculated. Statistical analysiswas conducted with SPSS v19 using two-way ANOVA and post-hoc for weighted andun-weighted means.Results: An interaction effect was observed between region and module. Controlsconsistently had a higher signal than MS patients in T2* GRE, however this onlyoccurred in two out of the four regions in SWAN. SWAN demonstrated a higher SNRthan T2* GRE offering a cleaner image. T2* GRE and SWAN offered equal contrast ontwo structures. T2* GRE was considerably superior to SWAN in the remaining two.Conclusions: SWAN allows for a cleaner image which may provide a qualitativeadvantage for trained radiologists but is not significantly superior to T2* GRE quantitatively.T2* GRE offered superior contrast to SWAN, providing better separation oftissue. Larger differences in signal intensity between control and MS patients observedin T2* GRE make MS patients more distinguishable. Consistent pattern (control higherthan MS) in T2* GRE makes it more reliable than SWAN for detecting changes in DGMstructures.
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 | 0,009 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».