Poster - 04: Resolving the Glutamine Resonance with an Optimized Magnetic Resonance Spectroscopy PRESS Sequence at 9.4T
Notice bibliographique
Résumé
Purpose: To optimize the timings of the magnetic resonance spectroscopy technique, Point RESolved Spectroscopy (PRESS), to resolve glutamine (Gln; ∼2.45ppm) in vivo at 9.4T. The Gln resonance is contaminated by N-acetylaspartate (NAA; ∼2.49ppm) and to a lesser extent by glutathione (GSH; ∼2.51ppm). Methods: Signals of glutamate (Glu; ∼2.35ppm), Gln, and NAA at 9.4T in response to TE (echo time) values of a PRESS sequence were investigated numerically, and the {TE1, TE2} combination that best resolved Gln while retaining Glu was considered optimal. The timings were verified on phantom solutions and in vivo on four Sprague Dawley rat brains. In-vivo spectra were analyzed with LCmodel. Results: An optimal {TE1, TE2} combination was determined to be {106ms, 16ms}, which resulted in simulated peak areas for Glu, Gln, and NAA, of 54%, 42%, and −2%, respectively, of the corresponding shortest {2ms, 2ms} values. Experimentally, the Gln yield with the optimal TE values was found to be ∼54% of that obtained with a short-TE of {TE1, TE2} = {12ms, 9ms}. The yield changed by <10% with the addition of NAA and GSH. The rat brain spectra showed well resolved peaks for Glu and Gln at ∼2.35ppm and ∼2.45ppm, respectively. LCModel Cramér-Rao Lower Bound values for all rats were <8% and <20% for Glu and Gln, respectively. Conclusions: A PRESS sequence with {TE1, TE2} = {106ms, 16ms} is suitable for resolving Gln in vivo at 9.4T.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».