Quantifying stability of parameter estimates for <i>in vivo</i> nearly incompressible transversely-isotropic brain MR elastography
Notice bibliographique
Résumé
Abstract Easily computable quality metrics for measured medical data at point-of-care are important for imaging technologies involving offline reconstruction. Accordingly, we developed a new data quality metric for in vivo transversely-isotropic (TI) magnetic resonance elastography (MRE) based on a generalization of the widely accepted octahedral shear-strain calculation. The metric uses MRE displacement data and an estimate of the TI property field to yield a ‘stability map’ which predicts regions of low versus high accuracy in the resulting material property reconstructions. We can also calculate an average TI parameter stability (TIPS) score over all voxels in a region of interest for a given measurement to indicate how reliable the recovered mechanical property estimate for the region is expected to be. The calculation is rapid and places little demand on computing resources compared to the computationally intensive material property reconstruction from non-linear inversion (TI-NLI) of displacement fields, making it ideal for point-of-care evaluation of data quality. We test the predictions of the stability map for both simulated phantoms and in vivo human brain data. We used a range of different displacement datasets from vibrations applied in the anterior-posterior (AP), left-right (LR) and combined AP + LR directions. The TIPS and variability maps (noise sensitivity or variation from the mean of repeated MRE scans) were consistently anti-correlated. Notably, Spearman correlation coefficients ∣R∣>0.6 were found between variability and TIPS score for individual white matter tracts with in vivo data. These observations demonstrate the reliability and promise of this data quality metric to screen data rapidly in realistic clinical MRE applications.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».