Liver Fibrosis Quantification by Magnetic Resonance Imaging
Notice bibliographique
Résumé
Liver fibrosis is a hallmark of chronic liver disease characterized by the excessive accumulation of extracellular matrix proteins. Although liver biopsy is the reference standard for diagnosis and staging of liver fibrosis, it has some limitations, including potential pain, sampling variability, and low patient acceptance. Hence, there has been an effort to develop noninvasive imaging techniques for diagnosis, staging, and monitoring of liver fibrosis. Many quantitative techniques have been implemented on magnetic resonance imaging (MRI) for this indication. The most widely validated technique is magnetic resonance elastography, which aims to measure viscoelastic properties of the liver and relate them to fibrosis stage. Several additional MRI methods have been developed or adapted to liver fibrosis quantification. Diffusion-weighted imaging measures the Brownian motion of water molecules which is restricted by collagen fibers. Texture analysis assesses the changes in the texture of liver parenchyma associated with fibrosis. Perfusion imaging relies on signal intensity and pharmacokinetic models to extract quantitative perfusion parameters. Hepatocellular function, which decreases with increasing fibrosis stage, can be estimated by the uptake of hepatobiliary contrast agents. Strain imaging measures liver deformation in response to physiological motion such as cardiac contraction. T1ρ quantification is an investigational technique, which measures the spin-lattice relaxation time in the rotating frame. This article will review the MRI techniques used in liver fibrosis staging, their advantages and limitations, and diagnostic performance. We will briefly discuss future directions, such as longitudinal monitoring of disease, prediction of portal hypertension, and risk stratification of hepatocellular carcinoma.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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.
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 ».