Quantitative neuroimaging measures of myelin in the healthy brain and in multiple sclerosis
Notice bibliographique
Résumé
Abstract Quantitative magnetic resonance imaging (MRI) techniques have been developed as imaging biomarkers, aiming to improve the specificity of MRI to underlying pathology compared to conventional weighted MRI. For assessing the integrity of white matter (WM), myelin, in particular, several techniques have been proposed and investigated individually. However, comparisons between these methods are lacking. In this study, we compared four established myelin‐sensitive MRI techniques in 56 patients with relapsing–remitting multiple sclerosis (MS) and 38 healthy controls. We used T2‐relaxation with combined GRadient And Spin Echoes (GRASE) to measure myelin water fraction (MWF‐G), multi‐component driven equilibrium single pulse observation of T 1 and T 2 (mcDESPOT) to measure MWF‐D, magnetization‐transfer imaging to measure magnetization‐transfer ratio (MTR), and T 1 relaxation to measure quantitative T 1 (qT 1 ). Using voxelwise Spearman correlations, we tested the correspondence of methods throughout the brain. All four methods showed associations that varied across tissue types; the highest correlations were found between MWF‐D and qT 1 (median ρ across tissue classes 0.8) and MWF‐G and MWF‐D (median ρ = 0.59). In eight WM tracts, all measures showed differences ( p < 0.05) between MS normal‐appearing WM and healthy control WM, with qT1 showing the highest number of different regions (8), followed by MWF‐D and MTR (6), and MWF‐G ( n = 4). Comparing the methods in terms of their statistical sensitivity to MS lesions in WM, MWF‐D demonstrated the best accuracy ( p < 0.05, after multiple comparison correction). To aid future power analysis, we provide the average and standard deviation volumes of the four techniques, estimated from the healthy control sample.
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 | 0,003 | 0,003 |
| 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 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 ».