On the accuracy of T<sub>1</sub> mapping: Searching for common ground
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: There are many T1 mapping methods available, each of them validated in phantoms and reporting excellent agreement with literature. However, values in literature vary greatly, with T1 in white matter ranging from 690 to 1100 ms at 3 Tesla. This brings into question the accuracy of one of the most fundamental measurements in quantitative MRI. Our goal was to explain these variations and look into ways of mitigating them. THEORY AND METHODS: We evaluated the three most common T1 mapping methods (inversion recovery, Look-Locker, and variable flip angle) through Bloch simulations, a white matter phantom and the brains of 10 healthy subjects (single-slice). We pooled the T1 histograms of the subjects to determine whether there is a sequence-dependent bias and whether it is reproducible across subjects. RESULTS: We found good agreement between the three methods in phantoms, but poor agreement in vivo, with the white matter T1 histogram peak in healthy subjects varying by more than 30% depending on the method used. We also found that the pooled brain histograms displayed three distinct white matter peaks, with Look-Locker consistently underestimating, and variable flip angle overestimating the inversion recovery T1 values. The Bloch simulations indicated that incomplete spoiling and inaccurate B1 mapping could account for the observed differences. CONCLUSION: We conclude that the three most common T1 mapping protocols produce stable T1 values in phantoms, but not in vivo. To improve the accuracy of T1 mapping, we recommend that sites perform in vivo validation of their T1 mapping method against the inversion recovery reference method, as the first step toward developing a robust calibration scheme.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle