MétaCan
Menu
Retour à la cohorte
Enregistrement W924003790 · doi:10.1253/circj.cj-11-1427

Assessment of Cardiac Computed TomographyMyocardial Perfusion Imaging

2012· review· en· W924003790 sur OpenAlexafffund
Girish Dwivedi, Taylor F. Dowsley, Benjamin J.W. Chow

Notice bibliographique

RevueCirculation Journal · 2012
Typereview
Langueen
DomaineMedicine
ThématiqueCardiac Imaging and Diagnostics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health ResearchDowager Countess Eleanor Peel Trust
Mots-clésPerfusionCoronary artery diseaseMyocardial perfusion imagingMedicineModality (human–computer interaction)Perfusion scanningRadiologyCardiac imagingFunctional imagingCardiologyNuclear medicineComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Cardiac computed tomography (CT) has evolved rapidly over the last decade into a reliable imaging modality for the non-invasive assessment of coronary artery disease. With the advancement in multi-detector CT technology, there has developed an increasing body of evidence that suggests that the role of cardiac CT can be extended to include functional assessment of the myocardium not only at rest but also during stress. Simultaneous anatomical and functional assessment approaches will have a number of advantages such as evaluation of the transmural extent of myocardial perfusion defects (including small subendocardial perfusion defects), reduced risk associated with multiple sources of radiation, and short image acquisition time. Although initial results hold some promise, CT myocardial perfusion imaging is a modality in the early stages of development and further work and studies are required to define, validate, and optimize this technique. This review will provide an overview of this novel perfusion imaging method, its underlying principles, evolution, limitations and future directions.

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: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,037
Tête enseignante GPT0,355
Écart entre enseignants0,318 · 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'étudeRevue systématique
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

Citations14
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation JournalMême sujetCardiac Imaging and DiagnosticsTravaux en français237 207