Resolution-Dependent Estimates of Multiple Sclerosis Lesion Loads
Notice bibliographique
Résumé
BACKGROUND: Changes in brain lesion loads assessed with magnetic resonance imaging obtained at 1.5 Telsa (T) are used as a measure of disease evolution in natural history studies and treatment trials of multiple sclerosis. METHODS: A comparison was made between the total lesion volume and individual lesions observed on 1.5 T images and on high-resolution 4 T images. Lesions were quantified using a computer-assisted segmentation tool. RESULTS: There was a 46% increase in the total number of lesions detected with 4 T versus 1.5 T imaging (p < 0.005). The 4 T also showed a 60% increase in total lesion volume when compared with the 1.5 T (p < 0.005). In several instances, the 1.5 T scans showed individual lesions that coalesced into larger areas of abnormality in the 4 T scans. The relationship between individual lesion volumes was linear (slope 1.231) showing that the lesion volume observed at 4 T increased with the size of the lesion detected at 1.5 T. The 4 T voxels were less than one quarter the size of those used at 1.5 T and there were no consistent differences between their signal-to-noise ratios. CONCLUSIONS: The increase in signal strength that accompanied the increase in field strength compensated for the loss in signal amplitude produced by the use of smaller voxels. This enabled the acquisition of images with improved resolution, resulting in increased lesion detection at 4 T and larger lesion volumes.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».