Notice bibliographique
Résumé
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 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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,012 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 0,039 |
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.
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 ».