MétaCan
Menu
Retour à la cohorte
Enregistrement W2267469779

Quantitative Comparison of Susceptibility-weighted Imaging Methods for Detection of Differences in Deep Grey Matter in Multiple Sclerosis

2012· article· en· W2267469779 sur OpenAlexaffvenue
Luca Li

Notice bibliographique

RevueJournal of undergraduate research in Alberta · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésContrast (vision)Image qualityPost hocArtificial intelligencePattern recognition (psychology)Nuclear medicineMedicineComputer scienceImage (mathematics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,282
Tête enseignante GPT0,480
Écart entre enseignants0,198 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of undergraduate research in AlbertaMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207