MétaCan
Menu
Retour à la cohorte
Enregistrement W3093425840 · doi:10.1007/s10334-020-00891-z

15 Years MR-encephalography

2020· review· en· W3093425840 sur OpenAlexaff
Jürgen Hennig, Vesa Kiviniemi, Bruno Riemenschneider, Antonia Barghoorn, Burak Akın, Fei Wang, Pierre LeVan

Notice bibliographique

RevueMagnetic Resonance Materials in Physics Biology and Medicine · 2020
Typereview
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesBrainLinks-BrainToolsBundesministerium für Bildung und ForschungAcademy of FinlandH2020 European Research CouncilDeutsche Forschungsgemeinschaft
Mots-clésComputer scienceTrajectoryArtificial intelligenceImage qualityComputer visionPrincipal component analysisPhysicsPattern recognition (psychology)Image (mathematics)

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This review article gives an account of the development of the MR-encephalography (MREG) method, which started as a mere 'Gedankenexperiment' in 2005 and gradually developed into a method for ultrafast measurement of physiological activities in the brain. After going through different approaches covering k-space with radial, rosette, and concentric shell trajectories we have settled on a stack-of-spiral trajectory, which allows full brain coverage with (nominal) 3 mm isotropic resolution in 100 ms. The very high acceleration factor is facilitated by the near-isotropic k-space coverage, which allows high acceleration in all three spatial dimensions. METHODS: The methodological section covers the basic sequence design as well as recent advances in image reconstruction including the targeted reconstruction, which allows real-time feedback applications, and-most recently-the time-domain principal component reconstruction (tPCR), which applies a principal component analysis of the acquired time domain data as a sparsifying transformation to improve reconstruction speed as well as quality. APPLICATIONS: Although the BOLD-response is rather slow, the high speed acquisition of MREG allows separation of BOLD-effects from cardiac and breathing related pulsatility. The increased sensitivity enables direct detection of the dynamic variability of resting state networks as well as localization of single interictal events in epilepsy patients. A separate and highly intriguing application is aimed at the investigation of the glymphatic system by assessment of the spatiotemporal patterns of cardiac and breathing related pulsatility. DISCUSSION: MREG has been developed to push the speed limits of fMRI. Compared to multiband-EPI this allows considerably faster acquisition at the cost of reduced image quality and spatial resolution.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0210,017

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 Opus0,052
Tête enseignante GPT0,328
Écart entre enseignants0,275 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance Materials in Physics Biology and MedicineMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207