MétaCan
Menu
← Retour à la cohorte
Enregistrement W798525901

LOWER LIMB MUSCLE ASSESSMENT USING DIFFUSION TENSOR AND BLOOD OXYGEN-LEVEL DEPENDENT IMAGING

2014· dissertation· en· W798525901 sur OpenAlexfundno aff
Alyaa H. Elzibak

Notice bibliographique

RevueMacSphere (McMaster University) · 2014
Typedissertation
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcMaster University
Mots-clésDiffusion MRITensor (intrinsic definition)MedicineBiomedical engineeringPhysical medicine and rehabilitationPhysical therapyMathematicsRadiologyMagnetic resonance imagingGeometry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Diffusion tensor (DT) and blood oxygen-level dependent (BOLD) imaging are two noninvasive magnetic resonance (MR) techniques that have been used to probe skeletal muscle microstructure and microvasculature, respectively. Over a series of four studies, the work in this thesis aimed at furthering our understanding of baseline DT metrics and BOLD signals in lower limb muscles (calf and foot) of healthy young subjects. Since postural changes have been shown to alter numerous quantities, including fluid volumes and muscle cross sectional area, DT indices and BOLD signal characteristics were examined in response to movement from upright to supine position. Reductions of 3.2-6.7% and 3.4-7.5% were measured in calf DT eigenvalues and apparent diffusion coefficient (ADC) in the various muscles, following 34 and 64 minutes of supine rest, respectively (P Establishment of baseline diffusion metrics in the foot region was feasible (chapter 6). Examination of foot DT indices in response to positional change showed that the metrics decreased from 2.7-4.6% following 34 minutes of supine rest (P

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,011
Tête enseignante GPT0,205
Écart entre enseignants0,194 · 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
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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacSphere (McMaster University)→Même sujetMuscle activation and electromyography studies→Travaux en français237 207→