Feasibility of high-resolution perfusion imaging using Arterial Spin Labelling MRI at 3 Tesla
Notice bibliographique
Résumé
ABSTRACT Cerebral blood flow (CBF) is a critical physiological parameter of brain health and it can be non-invasively measured with arterial spin labelling (ASL) MRI. In this study, we evaluated and optimised whole-brain, high-resolution ASL as an alternative to the low-resolution ASL employed in the routine assessment of CBF in both healthy participants and patients. Two high-resolution protocols (i.e., pCASL and FAIR-Q2TIPS (PASL) with 2 mm isotropic voxels) were compared to a default clinical pCASL protocol (3.4 × 3.4 × 4 mm 3 ), all of whom had an acquistion time of ≈ 5 min. We assessed the impact of high-resolution acquisition on reducing partial voluming and improving sensitivity to the perfusion signal, and evaluated the effectiveness of z-deblurring on the ASL data. We compared the quality of whole-brain ASL acquired using three available head coils with differing number of receive channels (i.e., 20, 32 and 64 ch). We found using higher coil counts (32 and 64 ch coils as compared to 20 ch) offer improved SNR and improved acceleration capabilities that are beneficial for ASL imaging at 3T. The inherent reduction in partial voluming effects with higher resolution acquisitions improves the resolving power of perfusion without impacting sensitivity. In conclusion, our results suggest that high-resolution ASL (2 - 2.5 mm isotropic) has the potential to become a new standard for perfusion imaging at 3 T and increase its adoption into clinical research and cognitive neuroscience applications.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».