Proton magnetic resonance spectroscopy in the brain: Report of AAPM MR Task Group #9
Notice bibliographique
Résumé
AAPM Magnetic Resonance Task Group #9 on proton magnetic resonance spectroscopy (MRS) in the brain was formed to provide a reference document for acquiring and processing proton (1H) MRS acquired from brain tissue. MRS is becoming a common adjunct to magnetic resonance imaging (MRI), especially for the differential diagnosis of tumors in the brain. Even though MR imaging is an offshoot of MR spectroscopy, clinical medical physicists familiar with MRI may not be familiar with many of the common practical issues regarding MRS. Numerous research laboratories perform in vivo MRS on other magnetic nuclei, such as 31P, 13C, and 19F. However, most commercial MR scanners are generally only capable of spectroscopy using the signals from protons. Therefore this paper is of limited scope, giving an overview of technical issues that are important to clinical proton MRS, discussing some common clinical MRS problems, and suggesting how they might be resolved. Some fundamental issues covered in this paper are common to many forms of magnetic resonance spectroscopy and are written as an introduction for the reader to these methods. These topics include shimming, eddy currents, spatial localization, solvent saturation, and post-processing methods. The document also provides an extensive review of the literature to guide the practicing medical physicist to resources that may be useful for dealing with issues not covered in the current article.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,005 |
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 ».