MétaCan
Menu
Retour à la cohorte
Enregistrement W3105602760 · doi:10.1002/brb3.1852

Lipid‐suppressed and tissue‐fraction corrected metabolic distributions in human central brain structures using 2D <sup>1</sup> H magnetic resonance spectroscopic imaging at 7 T

2020· article· en· W3105602760 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueBrain and Behavior · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesBrain and Behavior Research Foundation
Mots-clésMagnetic resonance spectroscopic imagingGlutamineMetaboliteMagnetic resonance imagingWhite matterNuclear magnetic resonanceNuclear medicineCorpus callosumPhosphocholineGlutamate receptorPartial volumeCholineChemistryHuman brainMedicinePathologyNeuroscienceBiologyBiochemistryRadiologyPhysicsPhospholipidPhosphatidylcholine

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Magnetic resonance spectroscopic imaging (MRSI) has the potential to add a layer of understanding of the neurobiological mechanisms underlying brain diseases, disease progression, and treatment efficacy. Limitations related to metabolite fitting of low signal‐to‐noise ratios data, signal variations due to partial‐volume effects, acquisition and extracranial lipid artifacts, along with clinically relevant aspects such as scan time constraints, are among the challenges associated with in vivo MRSI. Methods The aim of this work was to address some of these factors and to develop an acquisition, reconstruction, and postprocessing pipeline to derive lipid‐suppressed metabolite values of central brain structures based on free‐induction decay measurements made using a 7 T MR scanner. Anatomical images were used to perform high‐resolution (1 mm 3 ) partial‐volume correction to account for gray matter, white matter (WM), and cerebral‐spinal fluid signal contributions. Implementation of automatic quality control thresholds and normalization of metabolic maps from 23 subjects to the Montreal Neurological Institute (MNI) standard atlas facilitated the creation of high‐resolution average metabolite maps of several clinically relevant metabolites in central brain regions, while accounting for macromolecular distributions. Partial‐volume correction improved the delineation of deep brain nuclei. We report average metabolite values including glutamate + glutamine (Glx), glycerophosphocholine, choline and phosphocholine (tCho), (phospo)creatine, myo‐inositol and glycine (mI‐Gly), glutathione, N‐acetyl‐aspartyl glutamate(and glutamine), and N‐acetyl‐aspartate in the basal ganglia, central WM (thalamic radiation, corpus callosum) as well as insular cortex and intracalcarine sulcus. Conclusion MNI‐registered average metabolite maps facilitate group‐based analysis, thus offering the possibility to mitigate uncertainty in variable MRSI data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,826
Score d'incertitude au seuil0,678

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,322
Écart entre enseignants0,303 · 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