MétaCan
Menu
Retour à la cohorte
Enregistrement W2911558414 · doi:10.1002/mrm.27682

Dynamic <sup>31</sup>P spectroscopic imaging of skeletal muscles combining flyback echo‐planar spectroscopic imaging and compressed sensing

2019· article· en· W2911558414 sur OpenAlexafffund
Alejandro Santos‐Díaz, Diana Harasym, Michael D. Noseworthy

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensMcMaster UniversitySt. Joseph’s Healthcare Hamilton
Organismes subventionnairesUniversity of California, San FranciscoNatural Sciences and Engineering Research Council of CanadaConsejo Nacional de Ciencia y Tecnología
Mots-clésImaging phantomNuclear magnetic resonancePhosphocreatineEcho-planar imagingChemistryFlip angleBiomedical engineeringVoxelMagnetic resonance imagingNuclear medicineMedicinePhysicsInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: P-MRSI) experiments require temporal resolution on the order of seconds to concurrently assess different muscle groups. A highly accelerated pulse sequence combining flyback echo-planar spectroscopic imaging (EPSI) and compressed sensing was developed and tested in a phantom and healthy humans during an exercise-recovery challenge of the lower leg muscles, using a clinical 3T MRI. METHODS: field of view (i.e., 8 × 8 matrix) was combined with compressed sensing through the inclusion of pseudorandom gradient blips to sub-sample the ky-kt dimensions by a factor of 2.7×, achieving a temporal resolution of 9 s. The sequence was first tested in a phantom to assess performance compared to fully sampled EPSI (fidEPSI) and phase encoded chemical shift imaging (fidCSI). Then, tests were performed in 11 healthy volunteers during an exercise-recovery challenge of the lower leg muscles. Voxels containing tissue from different muscle groups were evaluated measuring percentage phosphocreatine (%PCr) depletion, time constant of PCr recovery (τPCr) and intracellular pH at rest and following exercise. RESULTS: The sequence was capable to track the dynamic PCr response of multiple muscles simultaneously. No statistical differences were found in the metabolite ratio, pH or linewidth when compared with fidEPSI and fidCSI in the phantom study. Dynamic experiments showed differences in PCr depletion when comparing soleus with gastrocnemius muscles. Intracellular pH, τPCr and %PCr decrease were consistent with reported values. CONCLUSION: P-MRSI combining flyback EPSI and compressed sensing is capable of assessing concurrent energy metabolism in multiple muscle groups using a clinical 3T MR system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,285
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207