Myelin water fraction mapping from multiple <scp>echo</scp> spin echoes and an independent <scp>B<sub>1</sub></scp><sup>+</sup> map
Notice bibliographique
Résumé
Purpose Myelin water fraction (MWF) is often obtained from a multiple echo spin echo (MESE) sequence using multi‐component T2 fitting with non‐negative least squares. This process fits many unknowns including B1+ to produce a T2 spectrum for each voxel. Presented is an alternative using a rapid B1+ mapping sequence to supply B1+ for the MWF fitting procedure. Methods Effects of B1+ errors on MWF calculations were modeled for 2D and 3D MESE using Bloch and extended phase graph simulations, respectively. Variations in SNR and relative refocusing widths were tested. Human brain experiments at 3 T used 2D MESE and an independent B1+ map. MWF maps were produced with the standard approach and with the use of the independent B1+ map. Differences in B1+ and mean MWF in specific brain regions were compared. Results For 2D MESE, MWF with the standard method was strongly affected by B1+ misestimations arising from limited SNR and response asymmetry around 180°, which decreased with increasing relative refocusing width. Using an independent B1+ map increased mean MWF and decreased coefficient of variation. Notable differences in vivo in 2D MESE were in areas of high B1+ such as thalamus and splenium where mean MWF increased by 88% and 31%, respectively (P < 0.001). Simulations also demonstrated the advantages of this approach for 3D MESE when SNR is <500. Conclusion For 2D MESE, because of increased complexity of decay curves and limited SNR, supplying B1+ improves MWF results in peripheral and central brain regions where flip angles differ substantially from 180°.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».