MétaCan
Menu
Retour à la cohorte
Enregistrement W2791916662 · doi:10.1038/sdata.2018.8

Dynamic contrast-enhanced magnetic resonance imaging for head and neck cancers

2018· article· en· W2791916662 sur OpenAlexaff
Hesham Elhalawani, Rachel Ger, Abdallah Mohamed, Musaddiq Awan, Yao Ding, Kimberly Li, Xenia Fave, Andrew Beers, Brandon Driscoll, David A. Hormuth, Petra J. van Houdt, Renjie He, Shouhao Zhou, Kelsey B. Mathieu, Heng Li, Catherine Coolens, Caroline Chung, James A. Bankson, Wei Huang, Jihong Wang, Vlad C. Sandulache, Stephen Y. Lai, Rebecca M. Howell, R. Jason Stafford, Thomas E. Yankeelov, Uulke A. van der Heide, Steven J. Frank, Daniel P. Barboriak, John D. Hazle, Laurence E. Court, Jayashree Kalpathy–Cramer, Clifton D. Fuller

Notice bibliographique

RevueScientific Data · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueMRI in cancer diagnosis
Établissements canadiensPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesUniversity of Texas Health Science Center at HoustonDivision of Mathematical SciencesNational Cancer InstituteNational Institutes of HealthNational Science FoundationAndrew Sabin Family FoundationNational Institute of Dental and Craniofacial ResearchUniversity of Texas MD Anderson Cancer CenterCancer Prevention and Research Institute of TexasElektaUniversity of Texas at Austin
Mots-clésDICOMGeneralizability theoryFlip angleMagnetic resonance imagingComputer scienceHead and neckContrast (vision)SoftwareDynamic contrastScannerData setNuclear medicineCancer imagingMedical physicsRadiologyMedicineArtificial intelligenceCancerMathematics

Résumé

récupéré en direct d'OpenAlex

Dynamic myraidpro contrast-enhanced magnetic resonance imaging (DCE-MRI) has been correlated with prognosis in head and neck squamous cell carcinoma as well as with changes in normal tissues. These studies implement different software, either commercial or in-house, and different scan protocols. Thus, the generalizability of the results is not confirmed. To assist in the standardization of quantitative metrics to confirm the generalizability of these previous studies, this data descriptor delineates in detail the DCE-MRI digital imaging and communications in medicine (DICOM) files with DICOM radiation therapy (RT) structure sets and digital reference objects (DROs), as well as, relevant clinical data that encompass a data set that can be used by all software for comparing quantitative metrics. Variable flip angle (VFA) with six flip angles and DCE-MRI scans with a temporal resolution of 5.5 s were acquired in the axial direction on a 3T MR scanner with a field of view of 25.6 cm, slice thickness of 4 mm, and 256×256 matrix size.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,392
Score d'incertitude au seuil0,531

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,033
Tête enseignante GPT0,342
Écart entre enseignants0,309 · 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'étudeSans objet
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

Citations17
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetMRI in cancer diagnosisTravaux en français237 207