Reducing thermal noise in high‐resolution quantitative magnetic resonance imaging rotating frame relaxation mapping of the human brain at 3 T
Notice bibliographique
Résumé
Abstract Quantitative maps of rotating frame relaxation (RFR) time constants are sensitive and useful magnetic resonance imaging tools with which to evaluate tissue integrity in vivo. However, to date, only moderate image resolutions of 1.6 x 1.6 x 3.6 mm3 have been used for whole‐brain coverage RFR mapping in humans at 3 T. For more precise morphometrical examinations, higher spatial resolutions are desirable. Towards achieving the long‐term goal of increasing the spatial resolution of RFR mapping without increasing scan times, we explore the use of the recently introduced Transform domain NOise Reduction with DIstribution Corrected principal component analysis (T‐NORDIC) algorithm for thermal noise reduction. RFR acquisitions at 3 T were obtained from eight healthy participants (seven males and one female) aged 52 ± 20 years, including adiabatic T1ρ, T2ρ, and nonadiabatic Relaxation Along a Fictitious Field (RAFF) in the rotating frame of rank n = 4 (RAFF4) with both 1.6 x 1.6 x 3.6 mm3 and 1.25 x 1.25 x 2 mm3 image resolutions. We compared RFR values and their confidence intervals (CIs) obtained from fitting the denoised versus nondenoised images, at both voxel and regional levels separately for each resolution and RFR metric. The comparison of metrics obtained from denoised versus nondenoised images was performed with a two‐sample paired t‐test and statistical significance was set at p less than 0.05 after Bonferroni correction for multiple comparisons. The use of T‐NORDIC on the RFR images prior to the fitting procedure decreases the uncertainty of parameter estimation (lower CIs) at both spatial resolutions. The effect was particularly prominent at high‐spatial resolution for RAFF4. Moreover, T‐NORDIC did not degrade map quality, and it had minimal impact on the RFR values. Denoising RFR images with T‐NORDIC improves parameter estimation while preserving the image quality and accuracy of all RFR maps, ultimately enabling high‐resolution RFR mapping in scan times that are suitable for clinical settings.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».