MétaCan
Menu
Retour à la cohorte
Enregistrement W2932841619 · doi:10.1002/mrm.27742

Methodological consensus on clinical proton MRS of the brain: Review and recommendations

2019· review· en· W2932841619 sur OpenAlexaff
Martin Wilson, Ovidiu C. Andronesi, Peter B. Barker, Robert Bartha, Alberto Bizzi, Patrick J. Bolan, Kevin M. Brindle, In‐Young Choi, Cristina Cudalbu, Ulrike Dydak, Uzay E. Emir, R. Gilberto González, Stephan Gruber, Rolf Gruetter, Rakesh K. Gupta, Arend Heerschap, A Henning, Hoby P. Hetherington, Petra S. Hüppi, Ralph E. Hurd, Kejal Kantarci, Risto A. Kauppinen, Dennis W. J. Klomp, Roland Kreis, Marijn J. Kruiskamp, Martin O. Leach, Alexander Lin, Peter R. Luijten, Małgorzata Marjańska, Andrew A. Maudsley, Dieter J. Meyerhoff, Carolyn E. Mountford, Paul G. Mullins, James B. Murdoch, Sarah J. Nelson, Ralph Noeske, Gülin Öz, Julie W. Pan, Andrew C. Peet, Harish Poptani, Stefan Posse, Eva‐Maria Ratai, Nouha Salibi, Tom W. J. Scheenen, Ian C. P. Smith, Brian J. Soher, Ivan Tkáč, Daniel B. Vigneron, Franklyn A. Howe

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensNational Research Council Institute for BiodiagnosticsWestern University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Biomedical Imaging and BioengineeringNational Institute of Neurological Disorders and StrokeUniversity of California, San FranciscoCancer Research UK
Mots-clésMedicineMedical physics

Résumé

récupéré en direct d'OpenAlex

Proton MRS (1H MRS) provides noninvasive, quantitative metabolite profiles of tissue and has been shown to aid the clinical management of several brain diseases. Although most modern clinical MR scanners support MRS capabilities, routine use is largely restricted to specialized centers with good access to MR research support. Widespread adoption has been slow for several reasons, and technical challenges toward obtaining reliable good‐quality results have been identified as a contributing factor. Considerable progress has been made by the research community to address many of these challenges, and in this paper a consensus is presented on deficiencies in widely available MRS methodology and validated improvements that are currently in routine use at several clinical research institutions. In particular, the localization error for the PRESS localization sequence was found to be unacceptably high at 3 T, and use of the semi‐adiabatic localization by adiabatic selective refocusing sequence is a recommended solution. Incorporation of simulated metabolite basis sets into analysis routines is recommended for reliably capturing the full spectral detail available from short TE acquisitions. In addition, the importance of achieving a highly homogenous static magnetic field (B0) in the acquisition region is emphasized, and the limitations of current methods and hardware are discussed. Most recommendations require only software improvements, greatly enhancing the capabilities of clinical MRS on existing hardware. Implementation of these recommendations should strengthen current clinical applications and advance progress toward developing and validating new MRS biomarkers for clinical use.

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)0,016
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,033
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0060,004
Bibliométrie0,0100,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,006
Science ouverte0,0050,003
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,453
Tête enseignante GPT0,567
Écart entre enseignants0,113 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations489
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207