Phantom-based quality assurance for multicenter quantitative MRI in locally advanced cervical cancer
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: A wide variation of MRI systems is a challenge in multicenter imaging biomarker studies as it adds variation in quantitative MRI values. The aim of this study was to design and test a quality assurance (QA) framework based on phantom measurements, for the quantitative MRI protocols of a multicenter imaging biomarker trial of locally advanced cervical cancer. MATERIALS AND METHODS: Fifteen institutes participated (five 1.5 T and ten 3 T scanners). Each institute optimized protocols for T2, diffusion-weighted imaging, T1, and dynamic contrast-enhanced (DCE-)MRI according to system possibilities, institutional preferences and study-specific constraints. Calibration phantoms with known values were used for validation. Benchmark protocols, similar on all systems, were used to investigate whether differences resulted from variations in institutional protocols or from system variations. Bias, repeatability (%RC), and reproducibility (%RDC) were determined. Ratios were used for T2 and T1 values. RESULTS: /s for the apparent diffusion coefficient (median %RC = 3%; %RDC = 18%), and 0.39-1.29 for T1 (median %RC = 1%; %RDC = 33%). For DCE a nonlinear vendor-specific relation was observed between measured and true concentrations with magnitude data, whereas the relation was linear when phase data was used. CONCLUSION: We designed a QA framework for quantitative MRI protocols and demonstrated for a multicenter trial for cervical cancer that measurement of consistent T2 and apparent diffusion coefficient values is feasible despite protocol differences. For DCE-MRI and T1 mapping with the variable flip angle method, this was more challenging.
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 | 0,065 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».