MétaCan
Menu
← Retour à la cohorte
Enregistrement W3217380761 · doi:10.1101/2021.11.29.469919

Increased Brain Volumetric Measurement Precision from Multi-Site 3D T1-weighted 3T Magnetic Resonance Imaging by Correcting Geometric Distortions

2021· preprint· en· W3217380761 sur OpenAlexafffund
Nuwan D. Nanayakkara, Stephen R. Arnott, Christopher J.M. Scott, Igor Solovey, Shuai Liang, Vladimir Fonov, Tom Gee, Dana N Broberg, Seyyed Mohammad Hassan Haddad, Joel Ramirez, Courtney Berezuk, Melissa F. Holmes, Sabrina Adamo, Miracle Ozzoude, Athena Theyers, Sujeevini Sujanthan, Mojdeh Zamyadi, Leanne K. Casaubon, Dar Dowlatshahi, Jennifer Mandzia, Demetrios J. Sahlas, Gustavo Saposnik, Ayman Hassan, Richard H. Swartz, Stephen C. Strother, Gregory M. Szilagyi, Sandra E. Black, Sean Symons

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensMcMaster UniversityOttawa HospitalMcGill UniversityUniversity of TorontoMontreal Neurological Institute and HospitalThunder Bay Regional Research InstituteBaycrest HospitalSunnybrook Health Science CentreWestern University
Organismes subventionnairesGovernment of OntarioOntario Brain Institute
Mots-clésScannerImaging phantomIsocenterDistortion (music)Magnetic resonance imagingStandard deviationPhysicsNuclear medicineMathematicsComputer scienceArtificial intelligenceMedicineStatisticsRadiology

Résumé

récupéré en direct d'OpenAlex

Magnetic resonance imaging (MRI) scanner-specific geometric distortions may contribute to scanner induced variability and decrease volumetric measurement precision for multi-site studies. The purpose of this study was to determine whether geometric distortion correction increases the precision of brain volumetric measurements in a multi-site multi-scanner study. Geometric distortion variation was quantified over a one-year period at 10 sites using the distortion fields estimated from monthly 3D T1-weighted MRI geometrical phantom scans. The variability of volume and distance measurements were quantified using synthetic volumes and a standard quantitative MRI (qMRI) phantom. The effects of geometric distortion corrections on MRI derived volumetric measurements of the human brain were assessed in two subjects scanned on each of the 10 MRI scanners and in 150 subjects with cerebrovascaular disease (CVD) acquired across imaging sites. Geometric distortions were found to vary substantially between different MRI scanners but were relatively stable on each scanner over a one-year interval. Geometric distortions varied spatially, increasing in severity with distance from the magnet isocenter. In measurements made with the qMRI phantom, the geometric distortion correction decreased the standard deviation of volumetric assessments by 35% and distance measurements by 42%. The average coefficient of variance decreased by 16% in gray matter and white matter volume estimates in the two subjects scanned on the 10 MRI scanners. Geometric distortion correction using an up-to-date correction field is recommended to increase precision in volumetric measurements made from MRI images.

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)0,009
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,250
Écart entre enseignants0,232 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetAdvanced MRI Techniques and Applications→Travaux en français237 207→