MétaCan
Menu
Retour à la cohorte
Enregistrement W2476147317 · doi:10.1615/critrevbiomedeng.2015013734

Diffusion-Weighted Magnetic Resonance Imaging Attenuation Factors and Their Selection for Cancer Diagnosis and Monitoring

2015· article· en· W2476147317 sur OpenAlexaff
Diana Valdés Cabrera, Jesus Osvaldo Dominguez Garcia, Gordon E. Sarty

Notice bibliographique

RevueCritical Reviews in Biomedical Engineering · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueMRI in cancer diagnosis
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésMagnetic resonance imagingDiffusion MRIIntravoxel incoherent motionDiffusionSelection (genetic algorithm)Computer scienceRadiologyCancerMedical physicsMedicineNuclear medicineNuclear magnetic resonanceArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

Diffusion-weighted imaging (DWI) is based on the detection of water molecule movement in interstitial and intracellular space, and that motion may be restricted in ischemia and in tumors. An early diagnosis and characterization of several cancer related diseases is possible with DWI. Diffusion-weighted images are therefore important for patient management. Knowledge of the technical requirements for DWI, including a suitable selection of b-values for differentiating between perfusion and true diffusion, as well as an understanding of the advantages and limitations of different b-values selections, is necessary to obtain reliable diagnostic results. The aim of this article is to review the fundamentals of the DWI technique, the common protocols used, b-value selection, and DWI's main contribution to neoplasm detection and staging.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,660
Score d'incertitude au seuil0,638

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,045
Tête enseignante GPT0,342
Écart entre enseignants0,296 · 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 tête enseignante, 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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in Biomedical EngineeringMême sujetMRI in cancer diagnosisTravaux en français237 207