MétaCan
Menu
Retour à la cohorte
Enregistrement W2316328502 · doi:10.1097/rct.0b013e3182ab60ea

Diffusion Tensor Imaging of the Normal Foot at 3 T

2014· article· en· W2316328502 sur OpenAlexaff
Alyaa H. Elzibak, Dinesh Kumbhare, Srinivasan Harish, Michael D. Noseworthy

Notice bibliographique

RevueJournal of Computer Assisted Tomography · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensSt. Joseph’s Healthcare HamiltonMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineDiffusion MRIFractional anisotropyFoot (prosody)AnatomyEffective diffusion coefficientMagnetic resonance imagingNuclear magnetic resonanceNuclear medicineAsymptomaticThighRadiologyPathologyPhysics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The objective of this study was to establish normative diffusion tensor imaging (DTI) eigenvalues (λ1,λ2,λ3), apparent diffusion coefficient, and fractional anisotropy in asymptomatic foot muscles. METHODS: Ten healthy adults (mean [SD], 25.9 [4.3] years) were examined using a 3-T magnetic resonance imaging scanner. Diffusion tensor imaging indices were evaluated in 5 muscles in the foot: quadratus plantae, abductor hallucis, flexor hallucis brevis, flexor digitorum brevis, and abductor digiti minimi. Signal-to-noise ratio was also measured for each muscle. RESULTS: In the various foot muscles, λ1 ranged from 1.88 × 10 to 2.14 × 10 mm/s, λ2 ranged from 1.39 × 10 to 1.48 × 10 mm/s, and λ3 ranged from 0.91 × 10 to 1.27 × 10 mm/s; apparent diffusion coefficient ranged from 1.48 × 10 to 1.55 × 10 mm/s; and fractional anisotropy ranged from 0.21 to 0.40. Statistical differences were seen in some eigenvalues between muscle pairs. Mean signal-to-noise ranged from 47.5 to 69.1 in the various muscles examined. CONCLUSIONS: Assessment of anisotropy of water diffusion in foot muscles was feasible using DTI. The measured DTI metrics in the foot were similar to those in calf and thigh skeletal muscles.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,022
Tête enseignante GPT0,284
Écart entre enseignants0,262 · 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'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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Computer Assisted TomographyMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207