Quantitative ultrasound in obstetrics and perinatal care
Notice bibliographique
Résumé
This talk will present recent results from our multi-institutional effort to advance the application of Quantitative Ultrasound in obstetrics and in perinatal care. In the field of obstetrics, we are investigating the use of shear wave elasticity imaging (SWEI) to predict the risk of preterm birth based on assessing the viscoelastic properties of the uterine cervix. Longitudinal studies in non-human primates (NHP) and humans showed a similar rate of decrease of the shear wave speed, SWS (1.6% and 1.5%/% gestational age, respectively), validating the animal model and indicating the value of SWS change as a biomarker for cervical softening. We are currently optimizing the analysis of shear wave dispersion to assess changes in viscosity. In the field of perinatal care, results from a pilot study in NHP neonates suggest that the effective size of diffuse scatterers can be used as a biomarker for thalamic apoptosis induced by long exposures to anesthesia. We are currently investigating the use of coherent scattering features to increase the sensitivity and specificity to neuroapoptosis and to improve attenuation and backscatter coefficient estimations in complex tissues such as the cervix and the neonate brain. [Acknowledgments: All protocols have been IRB- and/or IACUC-approved, and are HIPAA compliant. Equipment loan and technical support from Siemens Healthcare. Funded by: NIH Grant Nos. T32CA009206, F31HD082911, R01HD072077, UL1TR000427, P51OD011106, and R01HD083001; NSERC Grant No. RGPIN-2015-04136; and UNAM-PAPIIT IA104518 and IN107916.
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 | 0,020 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».