Effect of signal‐to‐noise ratio and spectral linewidth on metabolite quantification at 4 T
Notice bibliographique
Résumé
The accuracy and precision of measurements of metabolite concentrations from short echo-time spectra has previously been characterized at l.5 T as a function of signal-to-noise ratio (SNR) and peak linewidth. The purpose of this study was to characterize the systematic error in quantification of metabolite concentrations associated with linewidth and SNR for the major metabolites of interest in the short echo-time 1H-MR spectrum at 4 T. Simulated 4 T LASER localized spectra (TE = 46 ms) were generated with full width at half maximum (FWHM) over the range 4-14 Hz, and SNR over the range 5-500 by adding 100 Gaussian-distributed noise realizations at each combination of SNR and linewidth. Linewidth and SNR were treated as independent parameters, and therefore an increase in linewidth at a constant SNR resulted in increased metabolite areas. All spectra were fitted in the time domain using identical prior-knowledge and relative parameter starting values. Six metabolites (N-acetylaspartate, glutamate, creatine, myo-inositol, glycerophosphocholine, phosphocholine) were quantified with >90% accuracy and <10% standard deviation at SNR = 10 for linewidths ranging from 8 to 14 Hz FWHM. These simulations did not consider additional sources of variation, including eddy current artifacts, incomplete macromolecule baseline removal, and incomplete water suppression. Regardless, the results show that metabolite quantification from 4 T short echo-time 1H-MRS is sensitive to SNR and linewidth.
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 | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».