Filtered Diffusion-Weighted MRI of the Human Cervical Spinal Cord: Feasibility and Application to Traumatic Spinal Cord Injury
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: In traumatic spinal cord injury, DTI is sensitive to injury but is unable to differentiate multiple pathologies. Axonal damage is a central feature of the underlying cord injury, but prominent edema confounds its detection. The purpose of this study was to examine a filtered DWI technique in patients with acute spinal cord injury. MATERIALS AND METHODS: The MR imaging protocol was first evaluated in a cohort of healthy subjects at 3T (n = 3). Subsequently, patients with acute cervical spinal cord injury (n = 8) underwent filtered DWI concurrent with their acute clinical MR imaging examination <24 hours postinjury at 1.5T. DTI was obtained with 25 directions at a b-value of 800 s/mm2. Filtered DWI used spinal cord–optimized diffusion-weighting along 26 directions with a “filter” b-value of 2000 s/mm2 and a “probe” maximum b-value of 1000 s/mm2. Parallel diffusivity metrics obtained from DTI and filtered DWI were compared. RESULTS: The high-strength diffusion-weighting perpendicular to the cord suppressed signals from tissues outside of the spinal cord, including muscle and CSF. The parallel ADC acquired from filtered DWI at the level of injury relative to the most cranial region showed a greater decrease (38.71%) compared with the decrease in axial diffusivity acquired by DTI (17.68%). CONCLUSIONS: The results demonstrated that filtered DWI is feasible in the acute setting of spinal cord injury and reveals spinal cord diffusion characteristics not evident with conventional DTI.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».