Evaluating the accuracy of multicomponent <scp>T</scp><sub>2</sub> parameters for luminal water imaging of the prostate with acceleration using inner‐volume 3<scp>D</scp><scp>GRASE</scp>
Notice bibliographique
Résumé
Purpose Prostate cancer can be detected using a multicomponent T2 mapping technique termed luminal water imaging. The purpose of this study is twofold: 1) To accelerate the luminal water imaging acquisition by using inner volume selection as part of a gradient and spin echo sequence, and 2) to evaluate the accuracy of luminal water fractions and multicomponent T2 relaxation times. Methods The accuracy of parameter estimates was assessed using Monte Carlo simulations, in phantom experiments and in the prostate (in 5 healthy subjects). Two fitting methods, nonnegative least squares and biexponential fitting with stimulated echo correction, were compared. Results Results demonstrate that inner volume selection in a gradient and spin echo sequence is effective for accelerating prostate luminal water imaging by at least threefold. Evaluation of the accuracy shows that the estimated luminal water fractions are relatively accurate, but the short‐ and long‐T2 relaxation times should be interpreted with caution in noisy scenarios (SNR < 100) and when the corresponding fractions are small ( < 0.5). The mean luminal water fractions obtained at SNR above 100 are 0.27 ± 0.07 for the peripheral zone for both fitting methods, 0.16 ± 0.04 for the transition zone with nonnegative least squares, and 0.16 ± 0.03 for the transition zone with biexponential fitting including stimulated echo correction. Conclusion The shortened scan duration allows the luminal water imaging sequence to be easily integrated into a standard multiparametric prostate MRI protocol.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».