Sparse precontrast T<sub>1</sub> mapping for high‐resolution whole‐brain DCE‐MRI
Notice bibliographique
Résumé
Purpose To develop and evaluate an efficient precontrast T1 mapping technique suitable for quantitative high‐resolution whole‐brain dynamic contrast‐enhanced–magnetic resonance imaging (DCE‐MRI). Methods Variable flip angle (VFA) T1 mapping was considered that provides 1 × 1 × 2 mm3 resolution to match a recent high‐resolution whole‐brain DCE‐MRI protocol. Seven FAs were logarithmically spaced from 1.5° to 15°. T1 and M0 maps were estimated using model‐based reconstruction. This approach was evaluated using an anatomically realistic brain tumor digital reference object (DRO) with noise‐mimicking 3T neuroimaging and fully sampled data acquired from one healthy volunteer. Methods were also applied on fourfold prospectively undersampled VFA data from 13 patients with high‐grade gliomas. Results T1‐mapping precision decreased with undersampling factor R, althoughwhereas bias remained small before a critical R. In the noiseless DRO, T1 bias was <25 ms in white matter (WM) and <11 ms in brain tumor (BT). T1 standard deviation (SD) was <119.5 ms in WM (coefficient of variation [COV] ~11.0%) and <253.2 ms in BT (COV ~12.7%). In the noisy DRO, T1 bias was <50 ms in WM and <30 ms in BT. For R ≤ 10, T1 SD was <107.1 ms in WM (COV ~9.9%) and <240.9 ms in BT (COV ~12.1%). In the healthy subject, T1 bias was <30 ms for R ≤ 16. At R = 4, T1 SD was 171.4 ms (COV ~13.0%). In the prospective brain tumor study, T1 values were consistent with literature values in WM and BT. Conclusion High‐resolution whole‐brain VFA T1 mapping is feasible with sparse sampling, supporting its use for quantitative DCE‐MRI.
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 | 0,004 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».