MétaCan
Menu
Retour à la cohorte
Enregistrement W2584539422 · doi:10.1002/jmri.25644

Community delivery of semiautomated fractal analysis tool in cardiac mr for trabecular phenotyping

2017· article· en· W2584539422 sur OpenAlexaffabout
Gabriella Captur, Dina Radenković, Chunming Li, Yu Liu, Nay Aung, Filip Zemrak, Catalina Tobon‐Gomez, Xuexin Gao, Perry Elliott, Steffen E. Petersen, David A. Bluemke, Matthias G. Friedrich, James Moon

Notice bibliographique

RevueJournal of Magnetic Resonance Imaging · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Imaging and Diagnostics
Établissements canadiensMontreal Heart InstituteUniversité de MontréalMcGill University Health CentreUniversity of CalgaryCircle Cardiovascular Imaging
Organismes subventionnairesNational Institute for Health and Care ResearchBritish Heart FoundationWellcome Trust
Mots-clésGround truthReproducibilityHealth Insurance Portability and Accountability ActSegmentationMagnetic resonance imagingMedicineComputer scienceFractal dimensionCardiac magnetic resonanceMedical physicsNuclear medicineRadiologyArtificial intelligenceFractalMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Purpose To report the development of easy‐to‐use magnetic resonance imaging (MRI) fractal tools deployed on platforms accessible to all. The trabeculae of the left ventricle vary in health and disease but their measurement is difficult. Fractal analysis of cardiac MR images can measure trabecular complexity as a fractal dimension (FD). Materials and Methods This Health Insurance Portability and Accountability Act (HIPAA)‐compliant study was approved by the local Institutional Review Board. Participants provided written informed consent. The original MatLab implementation (region‐based level set segmentation and box‐counting algorithm) was recoded for two platforms (OsiriX and a clinical MR reporting platform [cvi42, Circle Cardiovascular Imaging, Calgary, Canada]). For validation, 100 subjects were scanned at 1.5T and 20 imaged twice for interstudy reproducibility. Cines were analyzed by the three tools and FD variability determined. Manual trabecular delineation by an expert reader (R1) provided ground truth contours for validation of segmentation accuracy by point‐to‐curve (P2C) distance estimates. Manual delineation was repeated by R1 and a second reader (R2) on 15 cases for intra/interobserver variability. Results FD by OsiriX and the clinical MR reporting platform showed high correlation with MatLab values (correlation coefficients: 0.96 [95% CI: 0.95–0.97] and 0.96 [0.95–0.96]) and high interstudy and intraplatform reproducibility. Semiautomated contours in OsiriX and the clinical MR reporting platform were highly correlated with ground truth contours evidenced by low P2C errors: 0.882 ± 0.76 mm and 0.709 ± 0.617 mm. Validity of ground truth contours was inferred from low P2C errors between readers (R1‐R1: 0.798 ± 0.718 mm; R1‐R2: 0.804 ± 0.649 mm). Conclusion This set of accessible fractal tools that measure trabeculation in the heart have been validated and released to the cardiac MR community ( http://j.mp/29xOw3B ) to encourage novel clinical applications of fractals in the cardiac imaging domain. Level of Evidence: 3 Technical Efficacy: Stage 1 J. Magn. Reson. Imaging 2017;46:1082–1088.

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)0,007
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,014
Tête enseignante GPT0,293
Écart entre enseignants0,278 · 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'étudeSimulation ou modélisation
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

Citations18
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Magnetic Resonance ImagingMême sujetCardiac Imaging and DiagnosticsTravaux en français237 207