Development of a quantitative statistical analysis system for double inversion recovery (DIR) MRI: A preliminary clinical study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Gray matter (GM) imaging is important in the investigation of many neurological diseases, including schizophrenia, multiple sclerosis, stroke, Alzheimer's disease, tuberous sclerosis, and epilepsy, which are all associated with changes in cortical GM. OBJECTIVE: The aim of this study was to develop a quantitative statistical analysis system for double inversion recovery (DIR) MRI and to evaluate the new system using preliminary clinical data. METHODS: The study population comprised of 10 healthy volunteers and six patients with or without brain degeneration. A quantitative statistical analysis system for DIR images was developed using the following steps: 1) brain spatial normalization, 2) mean and standard deviation (SD) map creation, and 3) Z-score map creation. To evaluate the new voxel-based morphometry system, Z-scores of lesions in patients with brain degeneration were measured and then compared with Z-scores of normal regions. RESULTS: All DIR images were adequately spatially normalized to Montreal Neurological Institute MNI coordinate. Lesions in each patient were indicated by high Z-score values on a Z-score map, which were significantly higher than Z-scores of normal regions (p< 0.05). CONCLUSIONS: In this study, we developed a quantitative statistical analysis system for DIR MRI. Using our system, clinicians might accurately diagnose early brain degeneration.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découle