Impact of frequency drift on gamma-aminobutyric acid-edited MR spectroscopy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To investigate the quantitative impact of frequency drift on Gamma-Aminobutyric acid (GABA+)-edited MRS of the human brain at 3 Tesla (T). METHODS: Three sequential GABA+-edited MEGA-PRESS acquisitions were acquired in fifteen sessions; in ten of these, MRS was preceded by functional MRI (fMRI) to induce frequency drift, which was estimated from the creatine resonance at 3.0 ppm. Simulations were performed to examine the effects of frequency drift on the editing efficiency of GABA and co-edited macromolecules (MM) and of subtraction artifacts on GABA+ quantification. The efficacy of postprocessing frequency correction was also investigated. RESULTS: Gradient-induced frequency drifts affect GABA+ quantification for at least 30 min after imaging. Average frequency drift was low in control sessions and as high as -2 Hz/min after fMRI. Uncorrected frequency drift has an approximately linear effect on GABA+ measurements with a -10 Hz drift resulting in a 16% decrease in GABA+, primarily due to subtraction artifacts. CONCLUSION: Imaging acquisitions with high gradient duty cycles can impact subsequent GABA+ measurements. Postprocessing can address subtraction artifacts, but not changes in editing efficiency or GABA:MM signal ratios; therefore, protocol design should avoid intensive gradient sequences before edited MRS Magn Reson Med 72:941-948, 2014. © 2013 Wiley Periodicals, Inc.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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