Inter-user comparison for quantification of superparamagnetic iron oxides with magnetic particle imaging across two institutions highlights a need for standardized approaches
Notice bibliographique
Résumé
Purpose: Magnetic particle imaging (MPI) is being explored in biological contexts that require accurate and reproducible quantification of superparamagnetic iron oxide nanoparticles (SPIONs). While many groups have focused on improving imager and SPION design to improve resolution and sensitivity, few have focused on improving quantification and reproducibility of MPI. The aim of this study was to compare MPI quantification results by two different systems and the accuracy of SPION quantification performed by multiple users at two institutions. Procedures: Six users (3 from each institute) imaged a known amount of Vivotrax+ (10 μg Fe), diluted in a small (10 μL) or large (500 μL) volume. These samples were imaged with or without calibration standards in the field of view, to create a total of 72 images (6 users x triplicate samples x 2 sample volumes x 2 calibration methods). These images were analyzed by the respective user with two region of interest (ROI) selection methods. Image intensities, Vivotrax+ quantification, and ROI selection was compared across users, within and across institutions. Results: MPI imagers at two different institutes produce significantly different signal intensities, that differ by over 3 times for the same concentration of Vivotrax+. Overall quantification yielded measurements that were within ± 20% from ground truth, however SPION quantification values obtained at each laboratory were significantly different. Results suggest that the use of different imagers had a stronger influence on SPION quantification compared to differences arising from user error. Lastly, calibration conducted from samples in the imaging field of view gave the same quantification results as separately imaged samples. Conclusions: This study highlights that there are many factors that contribute to the accuracy and reproducibility of MPI quantification, including variation between MPI imagers and users, despite pre-defined experimental set up, image acquisition parameters, and ROI selection analysis.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».