MétaCan
Menu
Retour à la cohorte
Enregistrement W4396831641 · doi:10.1002/mrm.30111

Repeat it without me: Crowdsourcing the T<sub>1</sub> mapping common ground via the ISMRM reproducibility challenge

2024· article· en· W4396831641 sur OpenAlexafffund
Mathieu Boudreau, Agâh Karakuzu, Julien Cohen‐Adad, Ecem Bozkurt, Madeline Carr, Marco Castellaro, Luis Concha, Mariya Doneva, Seraina A. Dual, Alex Ensworth, Alexandru Foias, Véronique Fortier, Refaat E. Gabr, Guillaume Gilbert, Carri Glide‐Hurst, Matthew Grech‐Sollars, Siyuan Hu, Oscar Jalnefjord, Jorge Jovicich, Kübra Keskin, Peter Koken, Anastasia Kolokotronis, Simran Kukran, Nam G. Lee, Ives R. Levesque, Bochao Li, Dan Ma, Burkhard Mädler, Nyasha G. Maforo, Jamie Near, Erick H. Pasaye, Alonso Ramírez-Manzanares, Ben Statton, Christian Stehning, Stefano Tambalo, Ye Tian, Chenyang Wang, Kilian Weiss, Niloufar Zakariaei, Shuo Zhang, Ziwei Zhao, Nikola Stikov

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensMcGill UniversityMcGill University Health CentreSunnybrook HospitalPolytechnique MontréalPhilips (Canada)Montreal Heart InstituteUniversity of British ColumbiaUniversité de MontréalMila - Quebec Artificial Intelligence InstituteInstitut Universitaire de Gériatrie de MontréalCentre Hospitalier Universitaire Sainte-JustineDouglas Mental Health University InstituteHôpital Maisonneuve-Rosemont
Organismes subventionnairesNational Institute of Standards and TechnologyInstitut de Cardiologie de MontréalFondation Institut de Cardiologie de Montréal
Mots-clésReproducibilityImaging phantomComputer scienceProtocol (science)CrowdsourcingGround truthVisualizationNISTCoefficient of variationData acquisitionMedical physicsArtificial intelligenceNuclear medicineStatisticsMedicineMathematicsPathologyNatural language processing

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose T1 mapping is a widely used quantitative MRI technique, but its tissue‐specific values remain inconsistent across protocols, sites, and vendors. The ISMRM Reproducible Research and Quantitative MR study groups jointly launched a challenge to assess the reproducibility of a well‐established inversion‐recovery T1 mapping technique, using acquisition details from a seminal T1 mapping paper on a standardized phantom and in human brains. Methods The challenge used the acquisition protocol from Barral et al. (2010). Researchers collected T1 mapping data on the ISMRM/NIST phantom and/or in human brains. Data submission, pipeline development, and analysis were conducted using open‐source platforms. Intersubmission and intrasubmission comparisons were performed. Results Eighteen submissions (39 phantom and 56 human datasets) on scanners by three MRI vendors were collected at 3 T (except one, at 0.35 T). The mean coefficient of variation was 6.1% for intersubmission phantom measurements, and 2.9% for intrasubmission measurements. For humans, the intersubmission/intrasubmission coefficient of variation was 5.9/3.2% in the genu and 16/6.9% in the cortex. An interactive dashboard for data visualization was also developed: https://rrsg2020.dashboards.neurolibre.org . Conclusion The T1 intersubmission variability was twice as high as the intrasubmission variability in both phantoms and human brains, indicating that the acquisition details in the original paper were insufficient to reproduce a quantitative MRI protocol. This study reports the inherent uncertainty in T1 measures across independent research groups, bringing us one step closer to a practical clinical baseline of T1 variations in vivo.

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)0,034
score de la tête « metaresearch » (Gemma)0,065
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil0,182

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,065
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,003
Communication savante0,0050,003
Science ouverte0,0050,015
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,011

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 Opus0,037
Tête enseignante GPT0,327
Écart entre enseignants0,290 · 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.

Devis d'étudeObservationnel
DomaineReproductibilité
GenreEmpirique

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

En bref

Citations21
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207