MétaCan
Menu
Retour à la cohorte

Letter to the Editor

2000· letter· en· W2443065228 sur OpenAlexaff
R. Mark Henkelman, Greg J. Stanisz, Simon J. Graham

Notice bibliographique

RevueJournal of Magnetic Resonance Imaging · 2000
Typeletter
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésRepresentation (politics)Computer sciencePulse (music)Field (mathematics)Measure (data warehouse)Range (aeronautics)Magnetization transferBiological systemArtificial intelligenceStatisticsMathematicsMedicineBiologyMaterials scienceData miningMagnetic resonance imagingPure mathematics

Résumé

récupéré en direct d'OpenAlex

WITH THE INCREASINGLY WIDESPREAD use of magnetization transfer (MT) measurements in clinical MR, it is important to be able to communicate effectively and quantitatively about MT ratios (MTRs) among different sites and over a wide diversity of MR imagers and pulse sequences. Berry and colleagues (1) are to be commended on their successful amassing of MTR data from six different European centers, using 16 different pulse sequences implemented on three different types of hardware. To be brought to successful fruition, such an endeavor requires excellent planning and coordination. Having gone to all their effort to measure comparative MTRs in white matter, it is surprising and disappointing to see the data treated essentially as biological scatter. Their strategy of plotting MTR versus average rotation angle per unit time (Fig. 2 in ref. 1) or versus B1 saturating field (Fig. 3 in ref. 1) and then performing fits to the data with several functions of arbitrary shape amounts to a kind of “correlational empiricism.” Such a groping approach is sometimes necessary if little is known about the underlying science. In the case of MT, however, precise and quantitative models exist for predicting MTRs based on fundamental biophysical properties of tissue and the specific details of the MR pulse sequences. For idealized continuous wave experiments, a wide range of MTRs from different sequence parameters can be accounted for with only 1%–2% residual error using a simple two-compartment representation of tissue (2). In fact, the quantification is so good that the model can be used to elucidate the nature of the absorption lineshapes of the macromolecular compartment in different tissues (3, 4). The same interpretive model can be applied to clinical pulsed MT sequences (5), for which has been shown to predict MTRs accurately from a knowledge of the pertinent tissue properties. Again, agreement with 1%–2% error is achieved (6). With this mechanistic understanding so well validated, it is possible to design optimal MT saturation pulse sequences for different clinical applications (7). The quantitative models of MT can even be used effectively to explore more complex pictures of NMR and tissue composition (8, 9). In using quantitative MTRs for evaluation of disseminated disease, maximum use should be made of the scientific underpinnings. Scattergrams and correlation can be left for exploring situations in which biophysical phenomena are less well understood.

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)0,002
score de la tête « metaresearch » (Gemma)0,024
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,214

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0120,012
Charge utile insuffisante (le modèle a refusé de juger)0,0640,039

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 Opus0,010
Tête enseignante GPT0,284
Écart entre enseignants0,274 · 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
GenreCommentaire

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

En bref

Citations1
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Magnetic Resonance ImagingMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207