Accuracy of the Compressed Sensing Accelerated 3D-FLAIR Sequence for the Detection of MS Plaques at 3T
Notice bibliographique
Résumé
<h3>BACKGROUND AND PURPOSE:</h3> The use of 3D FLAIR improves the detection of brain lesions in MS patients, but requires long acquisition times. Compressed sensing reduces acquisition time by using the sparsity of MR images to randomly undersample the k-space. Our aim was to compare the image quality and diagnostic performance of 3D-FLAIR with and without compressed sensing for the detection of multiple sclerosis lesions at 3T. <h3>MATERIALS AND METHODS:</h3> Twenty-three patients with relapsing-remitting MS underwent both conventional 3D-FLAIR and compressed sensing 3D-FLAIR on a 3T scanner (reduction in scan time 1 minute 25 seconds, 27%; compressed sensing factor of 1.3). Two blinded readers independently evaluated both conventional and compressed sensing FLAIR for image quality (SNR and contrast-to-noise ratio) and the number of MS lesions visible in the periventricular, intra-juxtacortical, infratentorial, and optic nerve regions. The volume of white matter lesions was measured with automatic postprocessing segmentation software for each FLAIR sequence. <h3>RESULTS:</h3> Image quality and the number of MS lesions detected by the readers were similar between the 2 FLAIR acquisitions (<i>P</i> = .74 and <i>P</i> = .094, respectively). Almost perfect agreement was found between both FLAIR acquisitions for total MS lesion count (Lin concordance correlation coefficient = 0.99). Agreement between conventional and compressed sensing FLAIR was almost perfect for periventricular and infratentorial lesions and substantial for intrajuxtacortical and optic nerve lesions. Postprocessing with the segmentation software did not reveal a significant difference between conventional and compressed sensing FLAIR in total MS lesion volume (<i>P</i> = .63) or the number of MS lesions (<i>P</i> = .15). <h3>CONCLUSIONS:</h3> With a compressed sensing factor of 1.3, 3D-FLAIR is 27% faster and preserves diagnostic performance for the detection of MS plaques at 3T.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».