MétaCan
Menu
Retour à la cohorte
Enregistrement W3025194376 · doi:10.1259/bjr.20200095

Nuclear medicine and molecular imaging advances in the 21st century

2020· review· en· W3025194376 sur OpenAlexaff
Sofia C. Vaz, Francisco P. M. Oliveira, Ken Herrmann, Patrick Veit‐Haibach

Notice bibliographique

RevueBritish Journal of Radiology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensSinai Health SystemWomen's College HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineMolecular imagingMedical physicsNuclear medicineBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

Currently, Nuclear Medicine has a clearly defined role in clinical practice due to its usefulness in many medical disciplines. It provides relevant diagnostic and therapeutic options leading to patients' healthcare and quality of life improvement. During the first two decades of the 21stt century, the number of Nuclear Medicine procedures increased considerably. Clinical and research advances in Nuclear Medicine and Molecular Imaging have been based on developments in radiopharmaceuticals and equipment, namely, the introduction of multimodality imaging. In addition, new therapeutic applications of radiopharmaceuticals, mainly in oncology, are underway. This review will focus on radiopharmaceuticals for positron emission tomography (PET), in particular, those labeled with Fluorine-18 and Gallium-68. Multimodality as a key player in clinical practice led to the development of new detector technology and combined efforts to improve resolution. The concept of dual probe (a single molecule labeled with a radionuclide for single photon emission computed tomography)/positron emission tomography and a light emitter for optical imaging) is gaining increasing acceptance, especially in minimally invasive radioguided surgery. The expansion of theranostics, using the same molecule for diagnosis (γ or positron emitter) and therapy (β minus or α emitter) is reshaping personalized medicine. Upcoming research and development efforts will lead to an even wider array of indications for Nuclear Medicine both in diagnosis and treatment.

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)0,002
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 enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,005

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 Opus0,021
Tête enseignante GPT0,344
Écart entre enseignants0,323 · 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

Citations77
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of RadiologyMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207