Asymmetric spin‐echo (ASE) spiral improves BOLD fMRI in inhomogeneous regions
Notice bibliographique
Résumé
Functional MRI (fMRI) is of limited use in areas such as the orbitofrontal and inferior temporal lobes due to the presence of local susceptibility-induced field gradients (SFGs), which result in severe image artifacts. Several techniques have been developed to reduce these artifacts, the most common being the dual-echo spiral sequences (spiral-in/out and spiral-in/in). In this study, a new multiple spiral acquisition technique was developed, in which the later spiral acquisitions are acquired asymmetrically with the peak of a spin-echo causing increased R(2)-weighting but matched R(2)'-weighting. This sequence, called asymmetric spin-echo (ASE) spiral, has demonstrated significant improvements in minimizing the signal loss and increasing the image quality as well as optimal blood-oxygen-level-dependent (BOLD)-weighting. The ASE spiral is compared to conventional spiral-out using both signal-to-noise ratio (SNR) and whole brain fMRI activation volumes from a breath-hold task acquired at 4 Tesla. The ASE dual spiral has exhibited SNR increases of up to 300% in areas where strong SFGs are present. As a result, the ASE spiral is highly efficient for recovering lost activation in areas of SFGs, as demonstrated by a 16% increase in the total number of activated voxels over the whole brain. Post spin-echo ASE spiral images have decreasing SNR due to R(2) signal losses, however the increase in R(2)-weighting leads to a higher percentage of signal changes producing ASE spiral images with equivalent contrast-to-noise ratio (CNR) for each echo. The use of this sequence allows for recovery of BOLD activation in areas of SFG without sacrificing the CNR over the whole brain.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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) | 0,000 | 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 ».