Multi-site Ultrashort Echo Time 3D Phosphorous MRSI repeatability using novel Rosette Trajectory (PETALUTE)
Notice bibliographique
Résumé
Abstract Purpose This study aims 1) to implement an operator-independent acquisition, reconstruction, and processing pipeline using a novel rosette k-space pattern for UTE 31 P 3D MRSI and 2) to evaluate the clinical applicability and replicability at different experimental setups. Methods A multicenter repeatability study was conducted for the novel UTE 31 P 3D Rosette MRSI at three institutions with different experimental setups. Non-localized 31 P MRSI data of 5 healthy subjects at each site were acquired with an acquisition delay of 65 μs and a final resolution of 10 × 10 × 10 mm 3 in 9 min. Spectra were quantified using the LCModel package. The potential acceleration was achieved using compressed sensing on retrospectively undersampled data. Reproducibility at each site was evaluated using the inter-subject coefficient of variance. Results This novel acquisition and advanced processing techniques yielded high-quality spectra and enabled the detection of the critical brain metabolites at three different sites with different hardware specifications. In vivo, feasibility with an acceleration factor of 4 in 6.75 min resulted in a mean Cramér-Rao lower bounds below 20% for PCr, ATPs, PME, and the mean CoV of ATP/PCr resulted in below %20. Conclusion We demonstrated that UTE 31 P 3D Rosette MRSI acquisition, combined with compressed sensing and LCModel analysis, allows patient-friendly, operator-independent, high-resolution 3 1 P MRSI to be acquired at clinical setups.
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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».