BASIL: A toolbox for perfusion quantification using arterial spin labelling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Arterial Spin Labelling (ASL) MRI is now an established non-invasive method to quantify cerebral blood flow and is increasingly being used in a variety of neuroimaging applications. With standard ASL acquisition protocols widely available, there is a growing interest in advanced options that offer added quantitative precision and information about haemodynamics beyond perfusion. In this article, we introduce the BASIL toolbox, a research tool for the analysis of ASL data included within the FMRIB Software Library (FSL), and explain its operation in a variety of typical use cases. BASIL is not offered as a clinical tool, and nor is this work intended to guide the clinical application of ASL. Built around a Bayesian model-based inference algorithm, the toolbox is designed to quantify perfusion and other haemodynamic measures, such as arterial transit times, from a variety of possible ASL input data, particularly exploiting the information available in more advanced multi-delay acquisitions. At its simplest, the BASIL toolbox offers a graphical user interface that provides the analysis options needed by most users; through command line tools, it offers more bespoke options for users needing customised analyses. As part of FSL, the toolbox exploits a range of complementary neuroimaging analysis tools so that ASL data can be easily integrated into neuroimaging studies and used alongside other modalities.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 découle