MétaCan
Menu
Retour à la cohorte
Enregistrement W4390403788 · doi:10.1002/mrm.29990

High‐resolution myelin‐water fraction and quantitative relaxation mapping using <scp>3D ViSTa‐MR</scp> fingerprinting

2023· article· en· W4390403788 sur OpenAlexaff
Congyu Liao, Xiaozhi Cao, Siddharth Iyer, Sophie Schauman, Zihan Zhou, Xiaoqian Yan, Quan Chen, Zhitao Li, Nan Wang, Ting Gong, Zhe Wu, Hongjian He, Jianhui Zhong, Yang Yang, Adam B. Kerr, Kalanit Grill‐Spector, Kawin Setsompop

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensToronto Rehabilitation InstituteUniversity Health Network
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institute of Mental HealthNational Institutes of Health
Mots-clésComputer scienceScannerArtificial intelligencePattern recognition (psychology)Computer vision

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose This study aims to develop a high‐resolution whole‐brain multi‐parametric quantitative MRI approach for simultaneous mapping of myelin‐water fraction (MWF), T1, T2, and proton‐density (PD), all within a clinically feasible scan time. Methods We developed 3D visualization of short transverse relaxation time component (ViSTa)‐MRF, which combined ViSTa technique with MR fingerprinting (MRF), to achieve high‐fidelity whole‐brain MWF and T1/T2/PD mapping on a clinical 3T scanner. To achieve fast acquisition and memory‐efficient reconstruction, the ViSTa‐MRF sequence leverages an optimized 3D tiny‐golden‐angle‐shuffling spiral‐projection acquisition and joint spatial–temporal subspace reconstruction with optimized preconditioning algorithm. With the proposed ViSTa‐MRF approach, high‐fidelity direct MWF mapping was achieved without a need for multicompartment fitting that could introduce bias and/or noise from additional assumptions or priors. Results The in vivo results demonstrate the effectiveness of the proposed acquisition and reconstruction framework to provide fast multi‐parametric mapping with high SNR and good quality. The in vivo results of 1 mm‐ and 0.66 mm‐isotropic resolution datasets indicate that the MWF values measured by the proposed method are consistent with standard ViSTa results that are 30× slower with lower SNR. Furthermore, we applied the proposed method to enable 5‐min whole‐brain 1 mm‐iso assessment of MWF and T1/T2/PD mappings for infant brain development and for post‐mortem brain samples. Conclusions In this work, we have developed a 3D ViSTa‐MRF technique that enables the acquisition of whole‐brain MWF, quantitative T1, T2, and PD maps at 1 and 0.66 mm isotropic resolution in 5 and 15 min, respectively. This advancement allows for quantitative investigations of myelination changes in the brain.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,042
Tête enseignante GPT0,335
Écart entre enseignants0,293 · 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

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207