Development and evaluation of pulmonary imaging multi-parametric response maps for deep phenotyping of chronic obstructive pulmonary disease
Notice bibliographique
Résumé
Objective: Our aim was to develop and evaluate multi-parametric response maps derived from pulmonary x-ray computed tomography (CT), 1H and hyperpolarized 3He static ventilation and diffusion-weighted magnetic resonance imaging (MRI). These maps were generated to phenotype patients with chronic obstructive pulmonary disease (COPD) based on the presence of airways disease, air trapping, emphysema, alveolar distension, and ventilation defects. Methods: To generate thoracic imaging multi-parametric response maps (mPRM), multispectral 1H, 3He and CT images were segmented and co-registered. 1H and 3He MR images were segmented using a semi-automated segmentation algorithm, the diffusion weighted MR images were segmented using a threshold-based algorithm and CT images were segmented using Pulmonary Workstation 2.0 (VIDA Diagnostics, Coralville, IA). The volume-matched segmented 1H/3He maps were registered using landmark rigid registration. The 3He maps/the diffusion weighted images were registered using an intensity-based rigid registration. CT-to-MRI co-registration was achieved using modality-independent neighborhood descriptor (MIND) deformable registration; inspiratory and expiratory CT were co-registered using an affine registration with a deformable step provided by the NiftyReg toolkit. The co-registered thoracic maps were used to generate multiparametric maps. Results: mPRM maps were generated for six different voxel classifications with increasing disease abnormality/severity as follows: 1) ventilated voxels with >-856HU/>-950HU and normal apparent diffusion coefficient (ADC) values, 2) ventilated voxels with <-856HU/<-950HU and abnormal ADC values, 3) ventilated voxels with >-856HU/>-950HU and normal ADC values, 4) ventilated voxels with <-856HU/<-950HU and abnormal ADC values, 5) unventilated voxels with >-856HU/>-950HU, and, 6) unventilated voxels with <-856HU/<-950HU. Conclusion: mPRM measurements were automated in a dedicated pipeline for MRI and CT measurements to phenotype COPD patients.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».