Comparison of multicenter <scp>MRI</scp> protocols for visualizing the spinal cord gray matter
Notice bibliographique
Résumé
PURPOSE: Spinal cord gray-matter imaging is valuable for a number of applications, but remains challenging. The purpose of this work was to compare various MRI protocols at 1.5 T, 3 T, and 7 T for visualizing the gray matter. METHODS: In vivo data of the cervical spinal cord were collected from nine different imaging centers. Data processing consisted of automatically segmenting the spinal cord and its gray matter and co-registering back-to-back scans. We computed the SNR using two methods (SNR_single using a single scan and SNR_diff using the difference between back-to-back scans) and the white/gray matter contrast-to-noise ratio per unit time. Synthetic phantom data were generated to evaluate the metrics performance. Experienced radiologists qualitatively scored the images. We ran the same processing on an open-access multicenter data set of the spinal cord MRI (N = 267 participants). RESULTS: Qualitative assessments indicated comparable image quality for 3T and 7T scans. Spatial resolution was higher at higher field strength, and image quality at 1.5 T was found to be moderate to low. The proposed quantitative metrics were found to be robust to underlying changes to the SNR and contrast; however, the SNR_single method lacked accuracy when there were excessive partial-volume effects. CONCLUSION: We propose quality assessment criteria and metrics for gray-matter visualization and apply them to different protocols. The proposed criteria and metrics, the analyzed protocols, and our open-source code can serve as a benchmark for future optimization of spinal cord gray-matter imaging protocols.
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 | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».