MétaCan
Menu
Retour à la cohorte
Enregistrement W4389920834 · doi:10.32920/24625188.v1

Carrageenan Brain Phantom for Use in MRI

2023· preprint· en· W4389920834 sur OpenAlexaff
Noelle Rose Crasto

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensTrent UniversityToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésImaging phantomRelaxometryCarrageenanMaterials scienceBiomedical engineeringWhite matterDielectricRelaxation (psychology)Nuclear magnetic resonanceAgar gelMagnetic resonance imagingNuclear medicineMedicineRadiologyPhysicsOptoelectronicsInternal medicineSpin echoBiology

Résumé

récupéré en direct d'OpenAlex

Optimization of MRI is important for acquiring high-quality images during clinical examination. This can be achieved rapidly and most cost-efficiently with the use of imaging phantoms. These phantoms must be able to mimic human tissues and produce realistic relaxation times and dielectric properties. The most common MRI phantoms are constructed using either aqueous solutions or gel-like material. However, here have been few carrageenan phantoms developed for use in MRI that have shown great promise as an alternative to traditional agar phantoms. This research proposes a carrageenan brain phantom that simulates MR imaging properties as well as dielectric properties. Relaxometry and dielectric tests were performed to (1) characterize how the relaxation times and conductivity of carrageenan change with GdCl3 and NaCl. And (2) mimic white and grey brain matter using carrageenan-based phantoms.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,081
Tête enseignante GPT0,404
Écart entre enseignants0,323 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207