MétaCan
Menu
Retour à la cohorte
Enregistrement W4282034947 · doi:10.1259/bjr.20211096

Fetal cardiovascular blood flow MRI: techniques and applications

2022· review· en· W4282034947 sur OpenAlexaff
Joshua van Amerom, Datta Singh Goolaub, Eric Schrauben, Liqun Sun, Christopher K. Macgowan, Mike Seed

Notice bibliographique

RevueBritish Journal of Radiology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueFetal and Pediatric Neurological Disorders
Établissements canadiensHospital for Sick ChildrenUniversity of TorontoSickKids Foundation
Organismes subventionnairesnon disponible
Mots-clésMedicineBlood flowFetusMagnetic resonance imagingFetal circulationHeart diseaseFetal heartCardiologyRadiologyPregnancy

Résumé

récupéré en direct d'OpenAlex

Fetal cardiac MRI is challenging due to fetal and maternal movements as well as the need for a reliable cardiac gating signal and high spatiotemporal resolution. Ongoing research and recent technical developments to address these challenges show the potential of MRI as an adjunct to ultrasound for the assessment of the fetal heart and great vessels. MRI measurements of blood flow have enabled the assessment of normal fetal circulation as well as conditions with disrupted circulations, such as congenital heart disease, along with associated organ underdevelopment and hemodynamic instability. This review provides details of the techniques used in fetal cardiovascular blood flow MRI, including single slice and volumetric imaging sequences, post-processing and analysis, along with a summary of applications in human studies and animal models.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
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)0,0030,002

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 Opus0,022
Tête enseignante GPT0,269
Écart entre enseignants0,247 · 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

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of RadiologyMême sujetFetal and Pediatric Neurological DisordersTravaux en français237 207