Correcting for T1 bias in Magnetization Transfer Saturation (MTsat) Maps Using Sparse-MP2RAGE
Notice bibliographique
Résumé
Purpose: Magnetization transfer saturation (MTsat) mapping is commonly used to examine the macromolecular content of brain tissue. This study compared variable flip angle (VFA) T1 mapping against compressed sensing (cs)MP2RAGE T1 mapping for accelerating MTsat imaging. Methods: VFA, MP2RAGE and csMP2RAGE were compared against inversion recovery (IR) T1 in a phantom at 3 Tesla. The same 1 mm VFA, MP2RAGE and csMP2RAGE protocols were acquired in four healthy subjects to compare the resulting T1 and MTsat. Bloch-McConnell simulations were used to investigate differences between the phantom and in vivo T1 results. Finally, ten healthy controls were imaged twice with the csMP2RAGE MTsat protocol to quantify repeatability. Results: The MP2RAGE and csMP2RAGE protocols were 13.7% and 32.4% faster than the VFA protocol, respectively. All approaches provided accurate T1 values (<5% difference) in the phantom, but the accuracy of the T1 times was more impacted by differences in T2 for VFA than for MP2RAGE. In vivo, VFA generated longer T1 times than MP2RAGE and csMP2RAGE. Simulations suggest that the bias in the T1 values between VFA and IR-based approaches (MP2RAGE and IR) could be explained by the MT-effects from the inversion pulse. In the test-retest experiment, we found that the csMP2RAGE has a minimum detectable change of 3% for T1 mapping and 7.9% for MTsat imaging. Conclusions: We demonstrated that csMP2RAGE can be used in place of VFA T1 mapping in an MTsat protocol. Furthermore, a shorter scan time and high repeatability can be achieved using the csMP2RAGE sequence.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».