Variability of metabolite yield using STEAM or PRESS sequences in vivo at 3.0 T, illustrated with myo‐inositol
Notice bibliographique
Résumé
Using as an example the myo-inositol (mI) band at approximately 3.6 ppm in the proton spectrum from brain, an evaluation is presented that highlights the difficulties of quantifying metabolites with strongly coupled spins with either STEAM or PRESS and demonstrates some advantages of prospective sequence analysis when measuring their concentrations. The analysis emphasizes the variation in coupled-spin signal yield and lineshape, compared with that of uncoupled singlets such as N-acetylaspartate, a variation that differs from one metabolite spin system to another. This difference in variation between a target metabolite (e.g., mI) and its contaminating background metabolites (e.g., glutamate and taurine, etc.) is shown to provide in certain circumstances a substantial reduction in background contamination (both metabolite and macromolecule) while maintaining sufficient signal-to-noise ratio for precise quantification. For example, sequence times are demonstrated, both for STEAM and for PRESS, that, relative to the short echo-time sequences typical in the literature, enhance the signal to metabolite background of the 3.6-ppm band of mI by factors of 1.7 and 1.3, respectively, essentially eliminate the macromolecular baseline, and yet in vivo retain an S/N approximately 10 in both cases.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».