MétaCan
Menu
Retour à la cohorte
Enregistrement W2940804472 · doi:10.1371/journal.pone.0215998

High resolution continuous arterial spin labeling of human cerebral perfusion using a separate neck tagging RF coil

2019· article· en· W2940804472 sur OpenAlexafffund
María Guadalupe Mora Álvarez, Robert Stobbe, Christian Beaulieu

Notice bibliographique

RevuePLoS ONE · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanada Research Chairs
Mots-clésPerfusionNuclear magnetic resonanceArterial spin labelingElectromagnetic coilBiomedical engineeringNuclear medicineMedicinePhysicsRadiology

Résumé

récupéré en direct d'OpenAlex

For standard clinical applications, ASL images are typically acquired with 4-8 mm thick slices and 3-4 mm in-plane resolution. However, in this paper we demonstrate that high-resolution continuous arterial spin labeling (CASL) perfusion images can be acquired in a clinically relevant scan time using current MRI technology. CASL was implemented with a separate neck coil for labeling the arterial blood on a 4.7T MRI using standard axial 2D GE-EPI. Typical-resolution to high-resolution (voxels of 95, 60, 45, 27, or 7 mm3) images were compared for qualitative and quantitative cerebral blood flow analysis (CBF) in nine healthy volunteers (ages: 24-32 years). The highest resolution (1.5x1.5x3 = 7 mm3) CASL implementation yielded perfusion images with improved cortex depiction and increased cortical CBF measurements (53 ± 8 ml/100g/min), consistent with reduced partial volume averaging. The 7 mm3 voxel images were acquired with 6 cm brain coverage in a clinically relevant scan of 6 minutes. Improved spatial resolution facilitates CBF measurement with reduced partial volume averaging and may be valuable for the detection of perfusion deficits in small lesions and perfusion measurement in small brain regions.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,044
Tête enseignante GPT0,305
Écart entre enseignants0,261 · 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

Citations17
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207