Morphology-Specific Discrimination between MS White Matter Lesions and Benign White Matter Hyperintensities Using Ultra-High-Field MRI
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Recently published North American Imaging in Multiple Sclerosis guidelines call for derivation of a specific radiologic definition of MS WM lesions and mimics. The purpose of this study was to use SWI and magnetization-prepared FLAIR images for sensitive differentiation of MS from benign WM lesions using the morphologic characteristics of WM lesions. MATERIALS AND METHODS: Seventeen patients with relapsing-remitting MS and 18 healthy control subjects were enrolled retrospectively. For each subject, FLAIR and multiecho gradient-echo images were acquired using 7T MR imaging. Optimized postprocessing was used to generate single-slice SWI of cerebral veins. SWI/FLAIR images were registered, and 3 trained readers performed lesion assessment. Morphology, location of lesions, and the time required for assessment were recorded. Analyses were performed on 3 different pools: 1) lesions of >3 mm, 2) nonconfluent lesions of >3 mm, and 3) nonconfluent lesions of >3 mm with no or a single central vein. RESULTS: The SWI/FLAIR acquisition and processing protocol enabled effective assessment of central veins and hypointense rims in WM lesions. Assessment of nonconfluent lesions with ≥1 central vein enabled the most specific and sensitive differentiation of patients with MS from controls. A threshold of 67% perivenous WM lesions separated patients with MS from controls with a sensitivity of 94% and specificity of 100%. Lesion assessment took an average of 12 minutes 10 seconds and 4 minutes 33 seconds for patients with MS and control subjects, respectively. CONCLUSIONS: Nonconfluent lesions of >3 mm with ≥1 central vein were the most sensitive and specific differentiators between patients with MS and control subjects.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».