Fast magnetization transfer saturation imaging of the brain using <scp>MP2RAGE T<sub>1</sub></scp> mapping
Notice bibliographique
Résumé
Abstract 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 MP2RAGE (csMP2RAGE) T1 mapping for accelerating MTsat imaging. Methods VFA, MP2RAGE, and csMP2RAGE were compared against inversion‐recovery T1 in an aqueous phantom at 3 T. The same 1‐mm VFA, MP2RAGE, and csMP2RAGE protocols were acquired in 4 healthy subjects to compare T1 and MTsat. Bloch‐McConnell simulations were used to investigate differences between the phantom and in vivo T1 results. 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. At these scan times, all approaches provided strong repeatability and accurate T1 times (< 5% difference) in the phantom, but T1 accuracy was more impacted by T2 for VFA than for MP2RAGE. In vivo, VFA estimated longer T1 times than MP2RAGE and csMP2RAGE. Simulations suggest that the differences in the T1 measured using VFA, MP2RAGE, and inversion recovery could be explained by the magnetization‐transfer effects. In the test–retest experiment, we found that the csMP2RAGE has a minimum detectable change of 2.3% for T1 mapping and 7.8% for MTsat imaging. Conclusions We demonstrated that MP2RAGE 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 | 0,001 | 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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».