Test-retest reproducibility of <i>in vivo</i> oscillating gradient and microscopic anisotropy diffusion MRI in mice at 9.4 Tesla
Notice bibliographique
Résumé
ABSTRACT Background and Purpose Microstructure imaging with advanced diffusion MRI (dMRI) techniques have shown increased sensitivity and specificity to microstructural changes in various disease and injury models. Oscillating gradient spin echo (OGSE) dMRI, implemented by varying the oscillating gradient frequency, and microscopic anisotropy (µA) dMRI, implemented via tensor valued diffusion encoding, may provide additional insight by increasing sensitivity to smaller spatial scales and disentangling fiber orientation dispersion from true microstructural changes, respectively. The aims of this study were to characterize the test-retest reproducibility of in vivo OGSE and µA dMRI metrics in the mouse brain at 9.4 Tesla and provide estimates of required sample sizes for future investigations. Methods Eight adult C57Bl/6 mice were scanned twice (5 days apart). Each imaging session consisted of multifrequency OGSE and µA dMRI protocols. Metrics investigated included µA, isotropic and anisotropic kurtosis, and the diffusion dispersion rate (Λ), which explores the power-law frequency dependence of mean diffusivity. The dMRI metric maps were analyzed with mean region-of-interest (ROI) and whole brain voxel-wise analysis. Bland-Altman plots and coefficients of variation (CV) were used to assess the reproducibility of OGSE and µA metrics. Furthermore, we estimated sample sizes required to detect a variety of effect sizes. Results Bland-Altman plots showed negligible biases between test and retest sessions. ROI-based CVs revealed high reproducibility for both µA (CVs < 8 %) and Λ (CVs < 15 %). Voxel-wise CV maps revealed high reproducibility for µA (CVs ∼ 10 %), but low reproducibility for OGSE metrics (CVs ∼ 50 %). Conclusion Most of the µA dMRI metrics are reproducible in both ROI-based and voxel-wise analysis, while the OGSE dMRI metrics are only reproducible in ROI-based analysis. µA and Λ may provide sensitivity to subtle microstructural changes (4 - 8 %) with feasible sample sizes (10 – 15).
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».