15 Years MR-encephalography
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle