Brain pH Measurement Using AACID CEST MRI Incorporating the 2 ppm Amine Resonance
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.
Notice bibliographique
Résumé
Many pathological conditions lead to altered intracellular pH (pHi) disrupting normal cellular functions. The chemical exchange saturation transfer (CEST) method, known as Amine and Amide Concentration Independent Detection (AACID), can produce image contrast that is predominantly dependent on tissue intracellular pHi. The AACID value is linearly related to the ratio of the 3.5 ppm amide CEST effect and the 2.75 ppm amine CEST effect in the physiological range. However, the amine CEST effect at 2 ppm is often more clearly defined in vivo, and may provide greater sensitivity to pH changes. The purpose of the current study was to compare AACID measurement precision utilizing the 2.0 and 2.75 ppm amine CEST effects. We hypothesized that the 2.0 ppm amine CEST resonance would produce measurements with greater sensitivity to pH changes. In the current study, we compare the range of the AACID values obtained in 24 mice with brain tumors and in normal tissue using the 2 ppm and 2.75 ppm amine resonances. All CEST data were acquired on a 9.4T MRI scanner. The AACID measurement range increased by 39% when using the 2 ppm amine resonance compared to the 2.75 ppm resonance, with decreased measurement variability across the brain. These data indicate that in vivo pH measurements made using AACID CEST can be enhanced by incorporating the 2 ppm amine resonance. This approach should be considered for pH measurements made over short intervals when no changes are expected in the concentration of metabolites that contribute to the 2 ppm amine resonance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle