MétaCan
Menu
Retour à la cohorte
Enregistrement W2889789314 · doi:10.1002/jmri.26269

Evaluation of Intra‐ and Interscanner Reliability of MRI Protocols for Spinal Cord Gray Matter and Total Cross‐Sectional Area Measurements

2018· article· en· W2889789314 sur OpenAlexfundno aff
Nico Papinutto, Roland G. Henry

Notice bibliographique

RevueJournal of Magnetic Resonance Imaging · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesSchool of Medicine, University of California, San FranciscoUniversity of California, San FranciscoPolytechnique Montréal
Mots-clésGray (unit)MedicineSpinal cordReliability (semiconductor)Cross-sectional studyNuclear medicineRadiologyPathologyPhysics

Résumé

récupéré en direct d'OpenAlex

Background In vivo quantification of spinal cord atrophy in neurological diseases using MRI has attracted increasing attention. Purpose To compare across different platforms the most promising imaging techniques to assess human spinal cord atrophy. Study Type Test/retest multiscanner study. Subjects Twelve healthy volunteers. Field Strength/Sequence Three different 3T scanner platforms (Siemens, Philips, and GE) / optimized phase sensitive inversion recovery (PSIR), T1‐weighted (T1‐w), and T2*‐weighted (T2*‐w) protocols. Assessment On all images acquired, two operators assessed contrast‐to‐noise ratio (CNR) between gray matter (GM) and white matter (WM), and between WM and cerebrospinal fluid (CSF); one experienced operator measured total cross‐sectional area (TCA) and GM area using JIM and the Spinal Cord Toolbox (SCT). Statistical Tests Coefficient of variation (COV); intraclass correlation coefficient (ICC); mixed effect models; analysis of variance (t‐tests). Results For all the scanners, GM/WM CNR was higher for PSIR than T2*‐w (P< 0.0001) and WM/CSF CNR for T1‐w was the highest (P< 0.0001). For TCA, using JIM, median COVs were smaller than 1.5% and ICC >0.95, while using SCT, median COVs were in the range 2.2–2.75% and ICC 0.79–0.95. For GM, despite some failures of the automatic segmentation, median COVs using SCT on T2*‐w were smaller than using JIM manual PSIR segmentations. In the mixed effect models, the subject was always the main contributor to the variance of area measurements and scanner often contributed to TCA variance (P< 0.05). Using JIM, TCA measurements on T2*‐w were different than on PSIR (P = 0.0021) and T1‐w (P = 0.0018), while using SCT, no notable differences were found between T1‐w and T2*‐w (P = 0.18). JIM and SCT‐derived TCA were not different on T1‐w (P = 0.66), while they were different for T2*‐w (P< 0.0001). GM area derived using SCT/T2*‐w versus JIM/PSIR were different (P< 0.0001). Data Conclusion The present work sets reference values for the magnitude of the contribution of different effects to cord area measurement intra‐ and interscanner variability. Level of Evidence: 1 Technical Efficacy: Stage 4 J. Magn. Reson. Imaging 2019;49:1078–1090.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,034
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,123
Tête enseignante GPT0,435
Écart entre enseignants0,312 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations24
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Magnetic Resonance ImagingMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207