Self-labelled encoder-decoder (SLED) for multi-echo gradient echo-based myelin water imaging
Notice bibliographique
Résumé
PURPOSE: Reconstruction of high quality myelin water imaging (MWI) maps is challenging, particularly for data acquired using multi-echo gradient echo (mGRE) sequences. A non-linear least squares fitting (NLLS) approach has often been applied for MWI. However, this approach may produce maps with limited detail and, in some cases, sub-optimal signal to noise ratio (SNR), due to the nature of the voxel-wise fitting. In this study, we developed a novel, unsupervised learning method called self-labelled encoder-decoder (SLED) to improve gradient echo-based MWI data fitting. METHODS: Ultra-high resolution, MWI data was collected from five mouse brains with variable levels of myelination, using a mGRE sequence. Imaging data was acquired using a 7T preclinical MRI system. A self-labelled, encoder-decoder network was implemented in TensorFlow for calculation of myelin water fraction (MWF) based on the mGRE signal decay. A simulated MWI phantom was also created to evaluate the performance of MWF estimation. RESULTS: Compared to NLLS, SLED demonstrated improved MWF estimation, in terms of both stability and accuracy in phantom tests. In addition, SLED produced less noisy MWF maps from high resolution MR microscopy images of mouse brain tissue. It specifically resulted in lower noise amplification for all mouse genotypes that were imaged and yielded mean MWF values in white matter ROIs that were highly correlated with those derived from standard NLLS fitting. Lastly, SLED also exhibited higher tolerance to low SNR data. CONCLUSION: Due to its unsupervised and self-labeling nature, SLED offers a unique alternative to analyze gradient echo-based MWI data, providing accurate and stable MWF estimations.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».