MétaCan
Menu
Retour à la cohorte
Enregistrement W2411235467 · doi:10.4329/wjr.v8.i1.59

General review of magnetic resonance elastography

2016· review· en· W2411235467 sur OpenAlexaff
Gavin Low

Notice bibliographique

RevueWorld Journal of Radiology · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensAlberta Hospital EdmontonUniversity of Alberta Hospital
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNIHR Cambridge Biomedical Research CentreNational Institutes of Health
Mots-clésMagnetic resonance elastographyPalpationMagnetic resonance imagingMedicineElastographyRadiologyBiomedical engineeringMedical physicsSoft tissueUltrasound

Résumé

récupéré en direct d'OpenAlex

Magnetic resonance elastography (MRE) is an innovative imaging technique for the non-invasive quantification of the biomechanical properties of soft tissues via the direct visualization of propagating shear waves in vivo using a modified phase-contrast magnetic resonance imaging (MRI) sequence. Fundamentally, MRE employs the same physical property that physicians utilize when performing manual palpation - that healthy and diseased tissues can be differentiated on the basis of widely differing mechanical stiffness. By performing "virtual palpation", MRE is able to provide information that is beyond the capabilities of conventional morphologic imaging modalities. In an era of increasing adoption of multi-parametric imaging approaches for solving complex problems, MRE can be seamlessly incorporated into a standard MRI examination to provide a rapid, reliable and comprehensive imaging evaluation at a single patient appointment. Originally described by the Mayo Clinic in 1995, the technique represents the most accurate non-invasive method for the detection and staging of liver fibrosis and is currently performed in more than 100 centers worldwide. In this general review, the mechanical properties of soft tissues, principles of MRE, clinical applications of MRE in the liver and beyond, and limitations and future directions of this discipline -are discussed. Selected diagrams and images are provided for illustration.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0070,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,008

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 Opus0,016
Tête enseignante GPT0,304
Écart entre enseignants0,287 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations121
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of RadiologyMême sujetUltrasound Imaging and ElastographyTravaux en français237 207