Diffusion dispersion imaging: Mapping oscillating gradient spin‐echo frequency dependence in the human brain
Notice bibliographique
Résumé
PURPOSE: Oscillating gradient spin-echo (OGSE) diffusion MRI provides information about the microstructure of biological tissues by means of the frequency dependence of the apparent diffusion coefficient (ADC). ADC dependence on OGSE frequency has been explored in numerous rodent studies, but applications in the human brain have been limited and have suffered from low contrast between different frequencies, long scan times, and a limited exploration of the nature of the ADC dependence on frequency. THEORY AND METHODS: Multiple frequency OGSE acquisitions were acquired in healthy subjects at 7T to explore the power-law frequency dependence of ADC, the "diffusion dispersion." Furthermore, a method for optimizing the estimation of the ADC difference between different OGSE frequencies was developed, which enabled the design of a highly efficient protocol for mapping diffusion dispersion. RESULTS: For the first time, evidence of a linear dependence of ADC on the square root of frequency in healthy human white matter was obtained. Using the optimized protocol, high-quality, full-brain maps of apparent diffusion dispersion rate were also demonstrated at an isotropic resolution of 2 mm in a scan time of 6 min. CONCLUSIONS: This work sheds light on the nature of diffusion dispersion in the healthy human brain and introduces full-brain diffusion dispersion mapping at clinically relevant scan times. These advances may lead to new biomarkers of pathology or improved microstructural modeling.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».