Magnetic Resonance of Myelin Water: An <i>in vivo</i> Marker for Myelin
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
Myelin is critical for healthy brain function. An accurate in vivo measure of myelin content has important implications for understanding brain plasticity and neurodegenerative diseases. Myelin water imaging is a magnetic resonance imaging method which can be used to visualize myelination in the brain and spinal cord in vivo . This review presents an overview of myelin water imaging data acquisition and analysis, post-mortem validation work, findings in both animal and human studies and a brief discussion about other MR techniques purported to provide in vivo myelin content. Multi-echo T 2 relaxation approaches continue to undergo development and whole-brain imaging time now takes less than 10 minutes; the standard analysis method for this type of data acquisition is a non-negative least squares approach. Alternate methods including the multi-flip angle gradient echo mcDESPOT are also being used for myelin water imaging. Histological validation studies in animal and human brain and spinal cord tissue demonstrate high specificity of myelin water imaging for myelin. Potential confounding factors for in vivo myelin water fraction measurement include the presence of myelin debris and magnetization exchange processes. Myelin water imaging has successfully been used to study animal models of injury, applied in healthy human controls and can be used to assess damage and injury in conditions such as multiple sclerosis, neuromyelitis optica, schizophrenia, phenylketonuria, neurofibromatosis, niemann pick’s disease, stroke and concussion. Other quantitative magnetic resonance approaches that are sensitive to, but not specific for, myelin exist including magnetization transfer, diffusion tensor imaging and T 1 weighted imaging.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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