Quantitative Analysis of Punctate White Matter Lesions in Neonates Using Quantitative Susceptibility Mapping and R2* Relaxation
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: It is difficult to distinguish punctate white matter lesions from focal hemorrhagic lesions in neonates on conventional MR imaging because both kinds of lesions show increased signal intensity on T1-weighted images and, frequently, decreased signal intensity on T2-weighted images. Our aim was to distinguish punctate white matter lesions and focal hemorrhagic lesions using quantitative measures. MATERIALS AND METHODS: In the current study, we acquired multiecho gradient recalled-echo MR imaging data from 24 neonates with hypoxic-ischemic encephalopathy and postprocessed them as R2* relaxation maps and quantitative susceptibility maps. Seven subjects who were found to have multifocal punctate white matter lesions and/or focal hemorrhagic lesions on R2* maps were included (mean gestational age at birth, 33 ± 4.28 weeks; mean gestational age at scanning, 38 ± 2 weeks). Manually drawing ROIs on R2* maps, we measured R2* and magnetic susceptibility values of the lesions, along with white matter regions within the corpus callosum as healthy comparison tissue. RESULTS: < .05), with a large Hedge g. R2* and magnetic susceptibility values were significantly increased in focal hemorrhagic lesions compared with punctate white matter lesions and healthy white matter tissue. Punctate white matter lesions were also found to have significantly increased values over healthy white matter tissue. CONCLUSIONS: R2* and quantitative susceptibility maps can be used to help clinicians distinguish and measure focal hemorrhages, punctate white matter lesions, and healthy white matter tissue.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».