MétaCan
Menu
Retour à la cohorte
Enregistrement W2043096658 · doi:10.1002/jmri.20503

Pulsed arterial spin labeling parameter optimization for an elderly population

2006· article· en· W2043096658 sur OpenAlexaff
Alison Campbell, Christian Beaulieu

Notice bibliographique

RevueJournal of Magnetic Resonance Imaging · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésArterial spin labelingPerfusionCerebral blood flowTransit timeCerebral perfusion pressurePerfusion scanningMedicinePopulationSIGNAL (programming language)Nuclear medicineNuclear magnetic resonanceCardiologyBiomedical engineeringComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To optimize pulsed arterial spin labeling (PASL) parameters for the elderly to take into account possible perfusion changes that occur in the brain with age. MATERIALS AND METHODS: Healthy young (N = 14, age range = 21-27 years) and elderly (N = 12, age range = 61-67 years) subjects were scanned using Q2TIPS (QUIPSS II with thin-slice TI, periodic saturation) with varying inversion times (TI(2)) at 1.5T. The difference signal (DeltaM), transit time (deltat), and cerebral blood flow (CBF) were calculated in segmented gray matter (GM). RESULTS: The young displayed more perfusion-weighted signal difference than the elderly at all TI(2)'s. The peak DeltaM occurred at TI(2) approximately 1300 msec and 1500 msec in the young and elderly groups, respectively. Qualitatively, intravascular signal was minimal in the younger group by TI(2) = 1500 msec, whereas a longer TI(2) of 1800 msec was needed to minimize this signal in the elderly. The transit time was approximately 100 msec longer in the elderly, and CBF was in the range of literature values. CONCLUSION: For acquiring perfusion-weighted images with minimal intravascular signal and adequate tissue signal for PASL studies of cerebral perfusion in the elderly, a longer inversion time is advantageous.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,316
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Magnetic Resonance ImagingMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207