Synchrotron XRF imaging of Alzheimer’s disease basal ganglia reveals linear dependence of high-field magnetic resonance microscopy on tissue iron concentration
Notice bibliographique
Résumé
BACKGROUND: Chemical imaging of the human brain has great potential for diagnostic and monitoring purposes. The heterogeneity of human brain iron distribution, and alterations to this distribution in Alzheimer's disease, indicate iron as a potential endogenous marker. The influence of iron on certain magnetic resonance imaging (MRI) parameters increases with magnetic field, but is under-explored in human brain tissues above 7 T. NEW METHOD: Magnetic resonance microscopy at 9.4 T is used to calculate parametric images of chemically-unfixed post-mortem tissue from Alzheimer's cases (n = 3) and healthy controls (n = 2). Iron-rich regions including caudate nucleus, putamen, globus pallidus and substantia nigra are analysed prior to imaging of total iron distribution with synchrotron X-ray fluorescence mapping. Iron fluorescence calibration is achieved with adjacent tissue blocks, analysed by inductively coupled plasma mass spectrometry or graphite furnace atomic absorption spectroscopy. RESULTS: ) = 0.26[Fe] + 16] for Fe in μg/g tissue (wet weight). COMPARISON WITH EXISTING METHODS: This method permits simultaneous non-destructive imaging of most bioavailable elements. Iron is the focus of the present study as it offers strong scope for clinical evaluation; the approach may be used more widely to evaluate the impact of chemical elements on clinical imaging parameters. CONCLUSION: The results at 9.4 T are in excellent quantitative agreement with predictions from experiments performed at lower magnetic fields.
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 | 0,001 | 0,001 |
| 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 ».