Inter-Vendor Reproducibility of Myelin Water Imaging Using a 3D Gradient and Spin Echo Sequence
Notice bibliographique
Résumé
Myelin water imaging can be achieved using multicomponent T2 relaxation analysis to quantify in vivo measurement of myelin content, termed the myelin water fraction (MWF). Therefore, myelin water imaging can be a valuable tool to better understand the underlying white matter pathology in demyelinating diseases, such as multiple sclerosis. To apply myelin water imaging in multisite studies and clinical applications, it must be acquired in a clinically feasible scan time (less than 15 minutes) and be reproducible across sites and scanner vendors. Here, we assessed the reproducibility of MWF measurements in regional and global white matter in 10 healthy human brains across two sites with two different 3 T magnetic resonance imaging scanner vendors (Philips and Siemens), using a 32-echo gradient and spin echo (GRASE) sequence. A strong correlation was found between the MWF measurements in the global white matter (Pearson’s r = 0.91; p < 0.001) for all participants across the two sites. The mean intersite MWF coefficient of variation across participants was 2.77 % in the global white matter and ranged from 4.47 % (splenium of the corpus callosum) to 17.89 % (genu of the corpus callosum) in white matter regions of interest. Bland-Altman analysis showed a good agreement in MWF measurements between the two sites with small bias of 0.002. Overall, MWF estimates were in good agreement across the two sites and scanner vendors. Our findings support the use of quantitative multi-echo T2 relaxation metrics, such as the MWF, in multicenter studies and clinical trials to gain deeper understanding about the pathological processes resulting from the underlying disease progression in neurodegenerative diseases.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».