MétaCan
Menu
Retour à la cohorte
Enregistrement W4220747037 · doi:10.1016/j.dib.2022.108050

Advances in spiral fMRI: A high-resolution dataset

2022· article· en· W4220747037 sur OpenAlexfundno aff
Lars Kasper, Maria Engel, Jakob Heinzle, Matthias Müller-Schrader, Nadine N. Graedel, Jonas Reber, Thomas Schmid, Christoph Barmet, Bertram J. Wilm, Klaas Ε. Stephan, Klaas P. Pruessmann

Notice bibliographique

RevueData in Brief · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesRené und Susanne Braginsky StiftungUniversität ZürichEidgenössische Technische Hochschule ZürichWellcome TrustMcGill University
Mots-clésComputer scienceSpiral (railway)Artificial intelligencePreprocessorTemporal resolutionField (mathematics)Computer visionPattern recognition (psychology)Data miningPhysicsOptics

Résumé

récupéré en direct d'OpenAlex

We present data collected for the research article “Advances in Spiral fMRI: A High-resolution Study with Single-shot Acquisition” (Kasper et al. 2022). All data was acquired on a 7T ultra-high field MR system (Philips Achieva), equipped with a concurrent magnetic field monitoring setup based on 16 NMR probes. For task-based fMRI, a visual quarterfield stimulation paradigm was employed, alongside physiological monitoring via peripheral recordings. This data collection contains different datasets pertaining to different purposes: (1) Measured magnetic field dynamics (k0, spiral k-space trajectories, 2nd order spherical harmonics, concomitant fields) during ultra-high field fMRI sessions from six subjects, as well as concurrent temperature curves of the gradient coil, to explore MR system and subject-induced variability of field fluctuations and assess the impact of potential correction methods. (2) MR Raw Data, i.e., coil and concurrent encoding magnetic field (trajectory) data, of a single subject, as well as nominal spiral gradient waveforms, precomputed B0 and coil sensitivity maps, to enable testing of alternative image reconstruction approaches for spiral fMRI data. (3) Reconstructed image time series of the same subject alongside behavioral and physiological logfiles, to reproduce the fMRI preprocessing and analysis, as well as figures presented in the research article related to this article, using the published analysis code repository. All data is provided in standardized formats for the respective research area. In particular, ISMRMRD (HDF5) is used to store raw coil data and spiral trajectories, as well as measured field dynamics. Likewise, the NIfTI format is used for all imaging data (anatomical MRI and spiral fMRI, B0 and coil sensitivity maps).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,015

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 Opus0,039
Tête enseignante GPT0,358
Écart entre enseignants0,319 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207