MétaCan
Menu
Retour à la cohorte
Enregistrement W4223492248 · doi:10.1007/s11926-022-01075-5

Future of Low-Dose Computed Tomography and Dual-Energy Computed Tomography in Axial Spondyloarthritis

2022· review· en· W4223492248 sur OpenAlexaff
Torsten Diekhoff, Kay‐Geert Hermann, R. Lambert

Notice bibliographique

RevueCurrent Rheumatology Reports · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCharité – Universitätsmedizin Berlin
Mots-clésMedicineRadiographyMagnetic resonance imagingRadiologyComputed tomographyConventional radiographyModality (human–computer interaction)TomographyMedical physicsNuclear medicineRadiation doseMedical imagingClinical PracticeComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Recent technical advances in computed tomography (CT) such as low-dose CT and dual-energy techniques open new applications for this imaging modality in clinical practice and for research purposes. This article will discuss the latest innovations and give a perspective on future developments. RECENT FINDINGS: Low-dose CT has increasingly been used for assessing structural changes at the sacroiliac joints and the spine. It has developed into a method with similar or even lower radiation exposure than radiography while outperforming radiography for lesion detection. Despite being incompatible with low-dose scanning, some studies have shown that dual-energy CT can provide additional information that is otherwise only assessable with magnetic resonance imaging (MRI). However, it is unclear whether this additional information is reliable enough and if it would justify the additional radiation exposure, i.e. whether the performance of dual-energy CT is close enough to MRI to replace it in clinical practice. While the role of dual-energy CT in patients with axial spondyloarthritis remains to be established, low-dose CT has developed to an appropriate modality that should replace radiography in many circumstances and might supplement MRI.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,012
Tête enseignante GPT0,255
Écart entre enseignants0,243 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations36
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Rheumatology ReportsMême sujetAdvanced X-ray and CT ImagingTravaux en français237 207