<scp>In vivo T<sub>1</sub></scp> mapping of neonatal brain tissue at <scp>64 mT</scp>
Notice bibliographique
Résumé
Purpose Ultralow‐field (ULF) point‐of‐care MRI systems allow image acquisition without interrupting medical provision, with neonatal clinical care being an important potential application. The ability to measure neonatal brain tissue T 1 is a key enabling technology for subsequent structural image contrast optimization, as well as being a potential biomarker for brain development. Here we describe an optimized strategy for neonatal T 1 mapping at ULF. Methods Examinations were performed on a 64‐mT portable MRI system. A phantom validation experiment was performed, and a total of 33 in vivo exams were acquired from 28 neonates with postmenstrual age ranging from 31 +4 to 49 +0 weeks. Multiple inversion‐recovery turbo spin‐echo sequences were acquired with differing inversion and repetition times. An analysis pipeline incorporating inter‐sequence motion correction generated proton density and T 1 maps. Regions of interest were placed in the cerebral deep gray matter, frontal white matter, and cerebellum. Weighted linear regression was used to predict T 1 as a function of postmenstrual age. Results Reduction of T 1 with postmenstrual age is observed in all measured brain tissue; the change in T 1 per week and 95% confidence intervals is given by dT 1 = −21 ms/week [−25, −16] (cerebellum), dT 1 = −14 ms/week [−18, −10] (deep gray matter), and dT 1 = −35 ms/week [−45, −25] (white matter). Conclusion Neonatal T 1 values at ULF are shorter than those previously described at standard clinical field strengths, but longer than those of adults at ULF. T 1 reduces with postmenstrual age and is therefore a candidate biomarker for perinatal brain development.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».