Dynamic cell tracking using time‐lapse <scp>MRI</scp> with variable temporal resolution Cartesian sampling
Notice bibliographique
Résumé
PURPOSE: Temporal resolution of time-lapse MRI to track individual iron-labeled cells is limited by the required data-acquisition time to fill k-space and to reach sufficient SNR. Although motion of slowly patrolling monocytes can be resolved, detection of fast-moving immune cells requires improved acquisition and reconstruction strategies. THEORY AND METHODS: For accelerated MRI cell tracking, a Cartesian sampling scheme was designed, in which the fully sampled and undersampled k-space data for different acceleration factors were acquired simultaneously, and multiple undersampling ratios could be chosen retrospectively. Compressed-sensing reconstruction was applied using dictionary learning and low-rank constraints. Detection of iron-labeled monocytes was evaluated with simulations, rotating phantom experiments and in vivo mouse brain measurements at 9.4 T. RESULTS: Fully sampled and 2.4-times and 4.8-times accelerated images were reconstructed and had sufficient contrast-to-noise ratio (CNR) for single cells to be resolved and followed dynamically. The phantom experiments showed an improvement in CNR of 6.1% per μm/s in the 4.8-times undersampled images. Geometric distortion of cells caused by motion was visibly reduced in the accelerated images, which enabled detection of moving cells with velocities of up to 7.0 μm/s. In vivo, additional cells were resolved in the accelerated images due to the improved temporal resolution. CONCLUSION: The easy-to-implement flexible Cartesian sampling scheme with compressed-sensing reconstruction permits simultaneous acquisition of both fully sampled and high temporal resolution images. The CNR of moving cells is effectively improved, enabling the recovery of high velocity cells with sufficient contrast at virtually no cost.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».