The role of iron and myelin in orientation dependent R<sub>2</sub><sup>*</sup> of white matter
Notice bibliographique
Résumé
Brain myelin and iron content are important parameters in neurodegenerative diseases such as multiple sclerosis (MS). Both myelin and iron content influence the brain's R 2 * relaxation rate. However, their quantification based on R 2 * maps requires a realistic tissue model that can be fitted to the measured data. In structures with low myelin content, such as deep gray matter, R 2 * shows a linear increase with increasing iron content. In white matter, R 2 * is not only affected by iron and myelin but also by the orientation of the myelinated axons with respect to the external magnetic field. Here, we propose a numerical model which incorporates iron and myelin, as well as fibre orientation, to simulate R 2 * decay in white matter. Applying our model to fibre orientation‐dependent in vivo R 2 * data, we are able to determine a unique solution of myelin and iron content in global white matter. We determine an averaged myelin volume fraction of 16.02 ± 2.07% in non‐lesional white matter of patients with MS, 17.32 ± 2.20% in matched healthy controls, and 18.19 ± 2.98% in healthy siblings of patients with MS. Averaged iron content was 35.6 ± 8.9 mg/kg tissue in patients, 43.1 ± 8.3 mg/kg in controls, and 47.8 ± 8.2 mg/kg in siblings. All differences in iron content between groups were significant, while the difference in myelin content between MS patients and the siblings of MS patients was significant. In conclusion, we demonstrate that a model that combines myelin‐induced orientation‐dependent and iron‐induced orientation‐independent components is able to fit in vivo R 2 * data.
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 | 0,000 |
| 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 ».