Inversion Recovery Susceptibility Weighted Imaging With Enhanced T2 Weighting at 3 T Improves Visualization of Subpial Cortical Multiple Sclerosis Lesions
Notice bibliographique
Résumé
OBJECTIVES: Cortical demyelination is common in multiple sclerosis (MS) and can be extensive. Cortical lesions contribute to disability independently from white matter lesions and may form via a distinct mechanism. However, current magnetic resonance imaging methods at 3 T are insensitive to cortical, and especially subpial cortical, lesions. Subpial lesions are well seen on T2*-weighted imaging at 7 T, but T2*-weighted methods on 3 T scanners are limited by poor lesion-to-cortex and cerebrospinal fluid-to-lesion contrast. We aimed to develop and evaluate a cerebrospinal fluid-suppressed, T2*-weighted sequence optimized for subpial cortical lesion visualization. MATERIALS AND METHODS: We developed a new magnetic resonance imaging sequence, inversion recovery susceptibility weighted imaging with enhanced T2 weighting (IR-SWIET; 0.8 mm × 0.8 mm in plane, 0.64 mm slice thickness with whole brain coverage, acquisition time ~5 minutes). We compared cortical lesion visualization independently on IR-SWIET (median signal from 4 acquisitions), magnetization-prepared 2 rapid acquisition gradient echoes (MP2RAGE), double inversion recovery (DIR), T2*-weighted segmented echo-planar imaging, and phase-sensitive inversion recovery images for 10 adults with MS. We also identified cortical lesions with a multicontrast reading of IR-SWIET (median of 2 acquisitions), MP2RAGE, and fluid-attenuated inversion recovery (FLAIR) images for each case. Lesions identified on 3 T images were verified on "gold standard" 7 T T2* and MP2RAGE images. RESULTS: Cortical, and particularly subpial, lesions appeared much more conspicuous on IR-SWIET compared with other 3 T methods. A total of 101 true-positive subpial lesions were identified on IR-SWIET (average per-participant sensitivity vs 7 T, 29% ± 8%) versus 36 on MP2RAGE (5% ± 2%; comparison to IR-SWIET sensitivity, P = 0.07), 17 on FLAIR (2% ± 1%; P < 0.05), 28 on DIR (6% ± 2%; P < 0.05), 42 on T2*-weighted segmented echo-planar imaging (11% ± 5%; P < 0.05), and 13 on phase-sensitive inversion recovery (4% ± 2%; P < 0.05). When a combination of IR-SWIET, MP2RAGE, and FLAIR images was used, a total of 147 subpial lesions (30% ± 5%) were identified versus 83 (16% ± 3%, P < 0.01) on a combination of DIR, MP2RAGE, and FLAIR. More cases had at least 1 subpial lesion on IR-SWIET, and IR-SWIET improved cortical lesion subtyping accuracy and correlation with 7 T subpial lesion number. CONCLUSIONS: Subpial lesions are better visualized on IR-SWIET compared with other 3 T methods. A 3 T protocol combining IR-SWIET with MP2RAGE, in which leukocortical lesions are well seen, improves cortical lesion visualization over existing approaches. Therefore, IR-SWIET may enable improved MS diagnostic specificity and a better understanding of the clinical implications of cortical demyelination.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».