Semi‐LASER <sup>1</sup>H MR spectroscopy at 7 Tesla in human brain: Metabolite quantification incorporating subject‐specific macromolecule removal
Notice bibliographique
Résumé
Purpose To develop an in vivo 1 H short‐echo‐time semi‐LASER spectroscopy protocol at 7 Tesla (T) incorporating subject‐specific macromolecule removal. Methods T 1 constants of the major metabolites were measured with little macromolecule contribution in seven healthy volunteers and used to optimize double inversion metabolite nulling. Spectra were acquired from parietal–occipital cortex of five healthy volunteers. Metabolite‐nulled macromolecule spectra were subtracted from the metabolite spectra before fitting in the time domain with prior‐knowledge templates. Absolute metabolite concentrations were determined by referencing to the water signal, following partial volume and relaxation corrections. Results The average signal to noise ratio, N ‐acetylaspartate peak height divided by the baseline noise standard deviation, was 48 ± 6. T 1 constants for N ‐acetylaspartate, glutamate, creatine, and choline were 1.71 ± 0.15 s, 1.68 ± 0.19 s, 1.63 ± 0.10 s, and 1.41 ± 0.09 s, respectively. The optimal double inversion times for metabolite suppression were TI 1 = 2.09 s and TI 2 = 0.52 s. The coefficient of variation was less than 10% for N ‐acetylaspartate, creatine, choline, and myo‐inositol, and less than 20% for glutamate and glutamine. Conclusion Short echo‐time 1 H semi‐LASER spectroscopy at 7T incorporating subject‐specific macromolecule removal yielded reproducible brain metabolite concentrations ideal for applications in disease conditions where macromolecule contributions may deviate from the norm. Magn Reson Med 74:4–12, 2015. © 2014 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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».