MétaCan
Menu
Retour à la cohorte
Enregistrement W2949343593 · doi:10.1016/j.nicl.2019.101896

Rapid myelin water imaging for the assessment of cervical spinal cord myelin damage

2019· article· en· W2949343593 sur OpenAlexafffund
Adam Dvorak, Emil Ljungberg, Irene M. Vavasour, Hanwen Liu, Poljanka Johnson, Alexander Rauscher, John L. K. Kramer, Roger Tam, David K.B. Li, Cornelia Laule, Laura Barlow, Hannah Briemberg, Alex L. MacKay, Anthony Traboulsee, Piotr Kozłowski, Neil R. Cashman, Shannon Kolind

Notice bibliographique

RevueNeuroImage Clinical · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensBC Children's HospitalUniversity of British Columbia HospitalInternational Collaboration On Repair DiscoveriesUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMultiple sclerosisSpinal cordMyelinMedicineNeuromyelitis opticaDiffusion MRIWhite matterMagnetic resonance imagingCordLesionNuclear medicineTransverse myelitisRadiologyPathologyCentral nervous systemInternal medicineSurgeryImmunology

Résumé

récupéré en direct d'OpenAlex

Background Rapid myelin water imaging (MWI) using a combined gradient and spin echo (GRASE) sequence can produce myelin specific metrics for the human brain. Spinal cord MWI could be similarly useful, but technical challenges have hindered routine application. GRASE rapid MWI was recently successfully implemented for imaging of healthy cervical spinal cord and may complement other advanced imaging methods, such as diffusion tensor imaging (DTI) and quantitative T 1 (qT 1 ). Objective To demonstrate the feasibility of cervical cord GRASE rapid MWI in multiple sclerosis (MS), primary lateral sclerosis (PLS) and neuromyelitis optica spectrum disorder (NMO), with comparison to DTI and qT 1 metrics. Methods GRASE MWI, DTI and qT 1 data were acquired in 2 PLS, 1 relapsing-remitting MS (RRMS), 1 primary-progressive MS (PPMS) and 2 NMO subjects, as well as 6 age (±3 yrs) and sex matched healthy controls (HC). Internal cord structure guided template registrations, used for region of interest (ROI) analysis. Z score maps were calculated for the difference between disease subject and mean HC metric values. Results PLS subjects had low myelin water fraction (MWF) in the lateral funiculi compared to HC. RRMS subject MWF was heterogeneous within the cord. The PPMS subject showed no trends in ROI results but had a region of low MWF Z score corresponding to a focal lesion. The NMO subject with a longitudinally extensive transverse myelitis lesion had low values for whole cord mean MWF of 12.8% compared to 24.3% (standard deviation 2.2%) for HC. The NMO subject without lesions also had low MWF compared to HC. DTI and qT 1 metrics showed similar trends, corroborating the MWF results and providing complementary information. Conclusion GRASE is sufficiently sensitive to detect decreased myelin within MS spinal cord plaques, NMO lesions, and PLS diffuse spinal cord injury. Decreased MWF in PLS is consistent with demyelination secondary to motor neuron degeneration. GRASE MWI is a feasible method for rapid assessment of myelin content in the cervical spinal cord and provides complementary information to that of DTI and qT 1 measures.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,159
Tête enseignante GPT0,483
Écart entre enseignants0,324 · 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'étudeExpérimental (laboratoire)
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

Citations23
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuroImage ClinicalMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207