B<sub>1</sub>‐sensitivity analysis of quantitative magnetization transfer imaging
Notice bibliographique
Résumé
Purpose To evaluate the sensitivity of quantitative magnetization transfer (qMT) fitted parameters to B1 inaccuracies, focusing on the difference between two categories of T1 mapping techniques: B1‐independent and B1‐dependent. Methods The B1‐sensitivity of qMT was investigated and compared using two T1 measurement methods: inversion recovery (IR) (B1‐independent) and variable flip angle (VFA), B1‐dependent). The study was separated into four stages: 1) numerical simulations, 2) sensitivity analysis of the Z‐spectra, 3) healthy subjects at 3T, and 4) comparison using three different B1 imaging techniques. Results For typical B1 variations in the brain at 3T (±30%), the simulations resulted in errors of the pool‐size ratio (F) ranging from −3% to 7% for VFA, and −40% to > 100% for IR, agreeing with the Z‐spectra sensitivity analysis. In healthy subjects, pooled whole‐brain Pearson correlation coefficients for F (comparing measured double angle and nominal flip angle B1 maps) were ρ = 0.97/0.81 for VFA/IR. Conclusion This work describes the B1‐sensitivity characteristics of qMT, demonstrating that it varies substantially on the B1‐dependency of the T1 mapping method. Particularly, the pool‐size ratio is more robust against B1 inaccuracies if VFA T1 mapping is used, so much so that B1 mapping could be omitted without substantially biasing F. Magn Reson Med 79:276–285, 2018. © 2017 International Society for Magnetic Resonance in Medicine.
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 | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».