Multi‐echo GRE imaging of knee cartilage
Notice bibliographique
Résumé
PURPOSE: To visualize healthy and abnormal articular cartilage, we investigated the potential of using the 3D multi-echo gradient echo (GRE) signal's magnitude and frequency and maps of T2* relaxation. MATERIALS AND METHODS: After optimizing imaging parameters in five healthy volunteers, 3D multi-echo GRE magnetic resonance (MR) images were acquired at 3T in four patients with chondral damage prior to their arthroscopic surgery. Average magnitude and frequency information was extracted from the GRE images, and T2* maps were generated. Cartilage abnormalities were confirmed after arthroscopy and were graded using the Outerbridge classification scheme. Regions of interest were identified on average magnitude GRE images and compared to arthroscopy. RESULTS: All four patients presented with regions of Outerbridge Grade I and II cartilage damage on arthroscopy. One patient had Grade III changes. Grade I, II, and III changes were detectable on average magnitude and T2* maps, while Grade II and higher changes were also observable on MR frequency maps. For average magnitude images of healthy volunteers, the signal-to-noise ratio of the magnitude image averaged over three echoes was 4.26 ± 0.32, 12.26 ± 1.09, 14.31 ± 1.93, and 13.36 ± 1.13 in bone, femoral, tibial, and patellar cartilage, respectively. CONCLUSION: This proof-of-principle study demonstrates the feasibility of using different imaging contrasts from the 3D multi-echo GRE scan to visualize abnormalities of the articular cartilage. © 2016 International Society for Magnetic Resonance in Medicine Level of Evidence: 1 J. MAGN. RESON. IMAGING 2017;45:1502-1513.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».