Quantitative proton short‐echo‐time LASER spectroscopy of normal human white matter and hippocampus at 4 Tesla incorporating macromolecule subtraction
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
Accurate quantification of in vivo short-echo-time (TE) (1)H spectra must account for contributions from both mobile metabolites and less mobile macromolecules, which can fluctuate in disease. The purpose of this study was to develop an approach for the acquisition and processing of macromolecule information to optimize metabolite quantification accuracy and precision. Human parietal white matter (8-cm(3) voxel) and posterior hippocampus (1.7-cm(3) voxel) metabolite levels were quantified, following manomolecule subtraction, from short-echo-time spectra (TE = 46 ms) acquired at 4.0 Tesla with localization by adiabatic selective refocusing (LASER). Nineteen metabolites were fit using a time domain Levenberg-Marquardt minimization that incorporated prior knowledge of metabolite lineshapes. The macromolecule contribution to the spectrum was reduced by 87% (P < 0.05) when the acquisition of single averages of the full spectrum and macromolecule spectrum were interleaved to reduce subtraction errors due to motion. Subtracting the Hankel Lanczos singular value decomposition (HLSVD) fit of the macromolecule spectrum, which contained no random noise, did not alter quantified metabolite levels but did not increase metabolite quantification precision. Several metabolites had higher concentrations in the posterior hippocampus compared to parietal white matter, which emphasizes the need to carefully control for partial volume contamination in hippocampal spectroscopy studies.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 découle