MétaCan
Menu
Retour à la cohorte
Enregistrement W6920782754 · doi:10.60692/m4t8c-7gg50

Repeat it without me: Crowdsourcing the T1 mapping common ground via the ISMRM reproducibility challenge

2024· article· en· W6920782754 sur OpenAlexaff

Notice bibliographique

RevueUCL Discovery (University College London) · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensSunnybrook HospitalPolytechnique MontréalPhilips (Canada)McGill UniversityMcGill University Health CentreMontreal Heart InstituteUniversity of British ColumbiaUniversité de MontréalMila - Quebec Artificial Intelligence InstituteInstitut Universitaire de Gériatrie de MontréalCentre Hospitalier Universitaire Sainte-JustineHôpital Maisonneuve-Rosemont
Organismes subventionnairesnon disponible
Mots-clésImaging phantomReproducibilityCrowdsourcingVisualizationGround truthData acquisitionPipeline (software)Protocol (science)Coefficient of variation

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose T 1 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 T 1 mapping technique, using acquisition details from a seminal T 1 mapping paper on a standardized phantom and in human brains. Methods The challenge used the acquisition protocol from Barral et al. (2010). Researchers collected T 1 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 T 1 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 T 1 measures across independent research groups, bringing us one step closer to a practical clinical baseline of T 1 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)0,051
score de la tête « metaresearch » (Gemma)0,101
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 enseignants0,949
Score d'incertitude au seuil0,271

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,101
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,003
Communication savante0,0060,004
Science ouverte0,0060,018
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 Opus0,024
Tête enseignante GPT0,270
Écart entre enseignants0,246 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUCL Discovery (University College London)Même sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207