MétaCan
Menu
Retour à la cohorte
Enregistrement W4388131564 · doi:10.1002/hbm.26524

Estimating the viscoelastic properties of the human brain at <scp>7 T MRI</scp> using intrinsic <scp>MRE</scp> and nonlinear inversion

2023· article· en· W4388131564 sur OpenAlexaff
Marius Burman Ingeberg, Elijah Van Houten, Jaco J.M. Zwanenburg

Notice bibliographique

RevueHuman Brain Mapping · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesEuropean Research CouncilNederlandse Organisatie voor Wetenschappelijk OnderzoekEuropean Commission
Mots-clésMagnetic resonance elastographyRepeatabilityElastographyViscoelasticityStiffnessIsotropyBiomedical engineeringStandard deviationMagnetic resonance imagingNuclear magnetic resonanceDisplacement (psychology)Materials sciencePhysicsUltrasoundAcousticsChemistryOpticsMathematicsMedicineRadiology

Résumé

récupéré en direct d'OpenAlex

Intrinsic actuation magnetic resonance elastography (MRE) is a phase-contrast MRI technique that allows for in vivo quantification of mechanical properties of the brain by exploiting brain motion that arise naturally due to the cardiac pulse. The mechanical properties of the brain reflect its tissue microstructure, making it a potentially valuable parameter in studying brain disease. The main purpose of this study was to assess the feasibility of reconstructing the viscoelastic properties of the brain using high-quality 7 T MRI displacement measurements, obtained using displacement encoding with stimulated echoes (DENSE) and intrinsic actuation. The repeatability and sensitivity of the method for detecting normal regional variation in brain tissue properties was assessed as secondary goal. The displacement measurements used in this analysis were previously acquired for a separate study, where eight healthy subjects (27 ± 7 years) were imaged with repeated scans (spatial resolution approx. 2 mm isotropic, temporal resolution 75 ms, motion sensitivity 0.35 mm/2π for displacements in anterior-posterior and left-right directions, and 0.7 mm/2π for feet-head displacements). The viscoelastic properties of the brain were estimated using a subzone based non-linear inversion scheme. The results show comparable consistency to that of extrinsic MRE between the viscoelastic property maps obtained from repeated displacement measurements. The shear stiffness maps showed fairly consistent spatial patterns. The whole-brain repeatability coefficient (RC) for shear stiffness was (mean ± standard deviation) 8 ± 8% relative to the mean whole-brain stiffness, and the damping ratio RC was 28 ± 17% relative to the whole-brain damping ratio. The shear stiffness maps showed similar statistically significant regional trends as demonstrated in a publicly available atlas of viscoelastic properties obtained with extrinsic actuation MRE at 50 Hz. The damping ratio maps showed less consistency, likely due to data-model mismatch of describing the brain as a viscoelastic material under low frequencies. While artifacts induced by fluid flow within the brain remain a limitation of the technique in its current state, intrinsic actuation based MRE allow for consistent and repeatable estimation of the mechanical properties of the brain. The method provides enough sensitivity to investigate regional variation in such properties in the normal brain, which is likely sufficient to also investigate pathological changes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,264
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Brain MappingMême sujetUltrasound Imaging and ElastographyTravaux en français237 207