Constrained Source Space MR Spectroscopy: Multiple Voxels, No Gradient Readout
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Our goal was to develop a novel technique for measuring a small number of localized spectra simultaneously and in a time-efficient manner. MATERIALS AND METHODS: Using appropriate radiofrequency pulses, the magnetization from multiple voxels is excited simultaneously and then separated (reconstructed) by using the individual coil-sensitivity profiles from a multichannel receiver coil. Because no gradients are used for k-space encoding, constrained source space MR spectroscopy provides a time advantage over conventional spectroscopic imaging and an improved signal-to-noise ratio per square root of unit time over single-voxel spectroscopy applied at each successive location. In the present work, we considered prototype application of constrained source space MR spectroscopy for 2 voxels. RESULTS: Experimental data from healthy volunteers and simulation results showed that constrained source space MR spectroscopy is effective at extracting 2 independent spectra even in the challenging scenario of the voxels being closely spaced. Also, from 6 patients with various types of brain cancer we obtained 2-voxel constrained source space MR spectroscopy data, which showed spectra of clinical quality in half the time required to perform successive single-voxel MR spectroscopy. CONCLUSIONS: Constrained source space MR spectroscopy provides clinical quality spectra and could be used to probe multiple voxels simultaneously in combination with Hadamard encoding for further scan-time reductions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».