3D-Fast Gray Matter Acquisition with Phase Sensitive Inversion Recovery Magnetic Resonance Imaging at 3 Tesla: Application for detection of spinal cord lesions in patients with multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: To compare 3D-Fast Gray Matter Acquisition with Phase Sensitive Inversion Recovery (3D-FGAPSIR) with conventional 3D-Short-Tau Inversion Recovery (3D-STIR) and sagittal T1-and T2-weighted MRI dataset at 3 Tesla when detecting MS spinal cord lesions. MATERIAL AND METHODS: This prospective single-center study was approved by an institutional review board and enrolled participants from December 2016 to August 2018. Two neuroradiologists blinded to all data, individually analyzed the 3D-FGAPSIR and the conventional datasets separately and in random order. Discrepancies were resolved by consensus by a third neuroradiologist. The primary judgment criterion was the number of MS spinal cord lesions. Secondary judgment criteria included lesion enhancement, lesion delineation, reader-reported confidence and lesion-to-cord-contrast-ratio. A Wilcoxon's test was used to compare the two datasets. RESULTS: 51 participants were included. 3D-FGAPSIR detected significantly more lesions than the conventional dataset (344 versus 171 respectively, p<0.001). Two participants had no detected lesion on the conventional dataset, whereas 3D-FGAPSIR detected at least one lesion. 3/51 participants had a single enhancing lesion detected by both datasets. Lesion delineation and reader-reported confidence were significantly higher with 3D-FGAPSIR: 4.5 (IQR 1) versus 2 (IQR 0.5), p<0.0001 and 4.5 (IQR 1) versus 2.5 (IQR 0.5), p<0.0001. Lesion-to-cord-contrast-ratio was significantly higher using 3D-FGAPSIR as opposed to 3D-STIR and T2: 1.4 (IQR 0,3) versus 0.4 (IQR 0,1) and 0.3 (IQR 0,1)(p = 0.04). Correlations with clinical data and inter- and intra-observer agreements were higher with 3D-FGAPSIR. CONCLUSION: 3D-FGAPSIR improved overall MS spinal cord lesion detection as compared to conventional set and detected all enhancing lesions.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».