MétaCan
Menu
Retour à la cohorte
Enregistrement W2898201119 · doi:10.1002/mrm.27527

A framework for Fourier‐decomposition free‐breathing pulmonary <sup>1</sup>H MRI ventilation measurements

2018· article· en· W2898201119 sur OpenAlexafffund
Fumin Guo, Dante P. I. Capaldi, David G. McCormack, Aaron Fenster, Grace Párraga

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAtomic and Subatomic Physics Research
Établissements canadiensUniversity of TorontoSunnybrook Health Science CentreWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésReproducibilitySegmentationImage registrationCorrelation coefficientCoefficient of variationNuclear medicineSimilarity (geometry)Fiducial markerArtificial intelligenceVentilation (architecture)Pearson product-moment correlation coefficientConcordance correlation coefficientMathematicsComputer scienceBiomedical engineeringPattern recognition (psychology)MedicinePhysicsStatisticsImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Purpose To develop a rapid Fourier decomposition (FD) free‐breathing pulmonary 1 H MRI (FDMRI) image processing and biomarker pipeline for research use. Methods We acquired MRI in 20 asthmatic subjects using a balanced steady‐state free precession (bSSFP) sequence optimized for ventilation imaging. 2D 1 H MRI series were segmented by enforcing the spatial similarity between adjacent images and the right‐to‐left lung volume–ratio. The segmented lung series were co‐registered using a coarse‐to‐fine deformable registration framework that used dual optimization techniques. All pairwise registrations were implemented in parallel and FD was performed to generate 2D ventilation‐weighted maps and ventilation‐defect‐percent (VDP). Lung segmentation and registration accuracy were evaluated by comparing algorithm and manual lung‐masks, deformed manual lung‐masks, and fiducials in the moving and fixed images using Dice‐similarity‐coefficient (DSC), mean‐absolute‐distance (MAD), and target‐registration‐error (TRE). The relationship of FD‐VDP and 3 He‐VDP was evaluated using the Pearson‐correlation‐coefficient ( r ) and Bland Altman analysis. Algorithm reproducibility was evaluated using the coefficient‐of‐variation (CoV) and intra‐class‐correlation‐coefficient (ICC) for segmentation, registration, and FD‐VDP components. Results For lung segmentation, there was a DSC of 95 ± 1.5% and MAD of 2.3 ± 0.5 mm, and for registration there was a DSC of 97 ± 0.8%, MAD of 1.6 ± 0.4 mm and TRE of 3.6 ± 1.2 mm. Reproducibility for segmentation DSC (CoV/ICC = 0.5%/0.92), registration TRE (CoV/ICC = 0.4%/0.98), and FD‐VDP (Cov/ICC = 3.9%/0.97) was high. The pipeline required 10 min/subject. FD‐VDP was correlated with 3 He‐VDP ( r = 0.69, P &lt; 0.001) although there was a bias toward lower FD‐VDP (bias = −4.9%). Conclusions We developed and evaluated a pipeline that provides a rapid and precise method for FDMRI ventilation maps.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,895
Score d'incertitude au seuil0,773

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,040
Tête enseignante GPT0,342
Écart entre enseignants0,302 · 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'étudeAutre devis
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

Citations15
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAtomic and Subatomic Physics ResearchTravaux en français237 207