Advancing 7T perfusion imaging by pulsed arterial spin labeling: Using a parallel transmit coil for enhanced labeling robustness and temporal SNR
Notice bibliographique
Résumé
Non-invasive perfusion imaging by Arterial spin labeling (ASL) can be advantageous at Ultra-high field (UHF) MRI, since the image SNR and the T1 relaxation time both increase with the static field. However, ASL implementation, especially at 7T, is not trivial. Especially for ASL, UHF MRI comes with many challenges, mainly due to B1+ inhomogeneities. This study aimed to investigate the effects of different transmit coil configurations on perfusion-weighted imaging at 7T using a flow-sensitive alternating inversion recovery (FAIR) technique with time-resolved frequency offset corrected inversion (TR-FOCI) pulses for labeling and background suppression. We conducted a performance comparison between a parallel transmit (pTx) system equipped with 32 receive (Rx) and 8 transmit (Tx) channels and a standard setup with 32Rx and 2Tx channels. Our findings demonstrate that the pTx system, characterized by a more homogeneous B1 transmit field, resulted in a significantly higher contrast-to-noise ratio, temporal signal-to-noise ratio, and lower coefficient of variance (CoV) than the standard 2Tx setup. Additionally, both setups demonstrated comparable capabilities for functional mapping of the hand region in the motor cortex, achieving reliable results within a short acquisition time of approximately 5 minutes.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».