Multi‐spin echo T<sub>2</sub> relaxation imaging with compressed sensing (METRICS) for rapid myelin water imaging
Notice bibliographique
Résumé
Purpose Myelin water imaging (MWI) provides a valuable biomarker for myelin, but clinical application has been restricted by long acquisition times. Accelerating the standard multi‐echo T 2 acquisition with gradient echoes (GRASE) or by 2D multi‐slice data collection results in image blurring, contrast changes, and other issues. Compressed sensing (CS) can vastly accelerate conventional MRI. In this work, we assessed the use of CS for in vivo human MWI, using a 3D multi spin‐echo sequence. Methods We implemented multi‐echo T 2 relaxation imaging with compressed sensing (METRICS) and METRICS with partial Fourier acceleration (METRICS‐PF). Scan‐rescan data were acquired from 12 healthy controls for assessment of repeatability. MWI data were acquired for METRICS in 9 m:58 s and for METRICS‐PF in 7 m:25 s, both with 1.5 × 2 × 3 mm 3 voxels, 56 echoes, 7 ms ΔTE, and 240 × 240 × 170 mm 3 FOV. METRICS was compared with a novel multi‐echo spin‐echo gold‐standard (MSE‐GS) MWI acquisition, acquired for a single additional subject in 2 h:2 m:40 s. Results METRICS/METRICS‐PF myelin water fraction had mean: repeatability coefficient 1.5/1.1, coefficient of variation 6.2/4.5%, and intra‐class correlation coefficient 0.79/0.84. Repeatability metrics comparing METRICS with METRICS‐PF were similar, and both sequences agreed with reference values from literature. METRICS images and quantitative maps showed excellent qualitative agreement with those of MSE‐GS. Conclusion METRICS and METRICS‐PF provided highly repeatable MWI data without the inherent disadvantages of GRASE or 2D multi‐slice acquisition. CS acceleration allows MWI data to be acquired rapidly with larger FOV, higher estimated SNR, more isotropic voxels and more echoes than with previous techniques. The approach introduced here generalizes to any multi‐component T 2 mapping application.
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) | 0,001 | 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 | 0,000 |
| 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 ».