Evaluation of prospective motion correction of high-resolution 3D-T2-FLAIR acquisitions in epilepsy patients
Notice bibliographique
Résumé
T2-FLAIR is the single most sensitive MRI contrast to detect lesions underlying focal epilepsies but 3D sequences used to obtain isotropic high-resolution images are susceptible to motion artefacts. Prospective motion correction (PMC) - demonstrated to improve 3D-T1 image quality in a pediatric population - was applied to high-resolution 3D-T2-FLAIR scans in adult epilepsy patients to evaluate its clinical benefit. Coronal 3D-T2-FLAIR scans were acquired with a 1mm isotropic resolution on a 3T MRI scanner. Two expert neuroradiologists reviewed 40 scans without PMC and 40 with navigator-based PMC. Visual assessment addressed six criteria of image quality (resolution, SNR, WM-GM contrast, intensity homogeneity, lesion conspicuity, diagnostic confidence) on a seven-point Likert scale (from non-diagnostic to outstanding). SNR was also objectively quantified within the white matter. PMC scans had near-identical scores on the criteria of image quality to non-PMC scans, with the notable exception that intensity homogeneity was generally worse. Using PMC, the percentage of scans with bad image quality was substantially lower than without PMC (3.25% vs. 12.5%) on the other five criteria. Quantitative SNR estimates revealed that PMC and non-PMC had no significant difference in SNR (P=0.07). Application of prospective motion correction to 3D-T2-FLAIR sequences decreased the percentage of low-quality scans, reducing the number of scans that need to be repeated to obtain clinically useful data.
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 | 0,010 |
| 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 | 0,000 | 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 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 ».