Improving the sensitivity of spin‐echo fMRI at 3T by highly accelerated acquisitions
Notice bibliographique
Résumé
PURPOSE: -weighted GE sequences because of their superior sensitivity compared to SE-fMRI. The presented SE implementation of a highly accelerated GE pulse sequence therefore aims to improve the sensitivity of SE-fMRI while profiting from a reduction of susceptibility-induced signal dropout. METHODS: Spin-echo MR encephalography (SE-MREG) is compared with the more conventionally used spin-echo echo-planar imaging (SE-EPI) and spin-echo simultaneous multislice (SE-SMS) at 3T in terms of capability to detect neuronal activations and resting-state functional connectivity. For activation analysis, healthy subjects underwent consecutive SE-MREG (pulse repetition time [TR] = 0.25 seconds), SE-SMS (TR = 1.3 seconds), and SE-EPI (TR = 4.4 seconds) scans in pseudorandomized order applied to a visual block design paradigm for generation of t-statistics maps. For the investigation of functional connectivity, additional resting-state data were acquired for 5 minutes and a seed-based correlation analysis using Stanford's FIND (Functional Imaging in Neuropsychiatric Disorders) atlas was performed. RESULTS: The increased sampling rate of SE-MREG relative to SE-SMS and SE-EPI improves the sensitivity to detect BOLD activation by 33% and 54%, respectively, and increases the capability to extract resting-state networks. Compared with a brain region that is not affected by magnetic field inhomogeneities, SE-MREG shows 2.5 times higher relative signal strength than GE-MREG in mesial temporal structures. CONCLUSION: SE-MREG offers a viable possibility for whole-brain fMRI with consideration of brain regions that are affected by strong susceptibility-induced magnetic field gradients.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».