Magnetization Transfer Prepared Gradient Echo MRI for CEST Imaging
Notice bibliographique
Résumé
Chemical exchange saturation transfer (CEST) is an emerging MRI contrast mechanism that is capable of noninvasively imaging dilute CEST agents and local properties such as pH and temperature, augmenting the routine MRI methods. However, the routine CEST MRI includes a long RF saturation pulse followed by fast image readout, which is associated with high specific absorption rate and limited spatial resolution. In addition, echo planar imaging (EPI)-based fast image readout is prone to image distortion, particularly severe at high field. To address these limitations, we evaluated magnetization transfer (MT) prepared gradient echo (GRE) MRI for CEST imaging. We proved the feasibility using numerical simulations and experiments in vitro and in vivo. Then we optimized the sequence by serially evaluating the effects of the number of saturation steps, MT saturation power (B1), GRE readout flip angle (FA), and repetition time (TR) upon the CEST MRI, and further demonstrated the endogenous amide proton CEST imaging in rats brains (n = 5) that underwent permanent middle cerebral artery occlusion. The CEST images can identify ischemic lesions in the first 3 hours after occlusion. In summary, our study demonstrated that the readily available MT-prepared GRE MRI, if optimized, is CEST-sensitive and remains promising for translational CEST imaging.
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 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».