MétaCan
Menu
Retour à la cohorte
Enregistrement W4396859524 · doi:10.1007/s10334-024-01164-9

Scoping review of magnetic resonance motion imaging phantoms

2024· article· en· W4396859524 sur OpenAlexaffabout
Alexander E. Dunn, Sophie Wagner, Dafna Sussman

Notice bibliographique

RevueMagnetic Resonance Materials in Physics Biology and Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of TorontoToronto Metropolitan UniversitySt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésMagnetic resonance imagingMotion (physics)Nuclear magnetic resonancePhysicsMedicineRadiologyClassical mechanics

Résumé

récupéré en direct d'OpenAlex

To review and analyze the currently available MRI motion phantoms. Publications were collected from the Toronto Metropolitan University Library, PubMed, and IEEE Xplore. Phantoms were categorized based on the motions they generated: linear/cartesian, cardiac-dilative, lung-dilative, rotational, deformation or rolling. Metrics were extracted from each publication to assess the motion mechanisms, construction methods, as well as phantom validation. A total of 60 publications were reviewed, identifying 48 unique motion phantoms. Translational movement was the most common movement (used in 38% of phantoms), followed by cardiac-dilative (27%) movement and rotational movement (23%). The average degrees of freedom for all phantoms were determined to be 1.42. Motion phantom publications lack quantification of their impact on signal-to-noise ratio through standardized testing. At present, there is a lack of phantoms that are designed for multi-role as many currently have few degrees of freedom.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,811
Score d'incertitude au seuil0,543

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,362
Écart entre enseignants0,343 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

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