Interpretation of inhomogeneous magnetization transfer in myelin water using a four‐pool model with dipolar reservoirs
Notice bibliographique
Résumé
Abstract Purpose To confirm ihMT's specificity to myelin, an ihMT presaturation module was combined with a Poon–Henkelman multi‐echo spin‐echo readout to separate the ihMT signal in myelin water from intra‐/extra‐cellular water. This study explored the relationship between two quantitative myelin imaging techniques and measured the ihMT signal of myelin water. Methods Six rats were injured; three were sacrificed three weeks post‐injury, and three were sacrificed eight weeks post‐injury, and three healthy control rats were also sacrificed. The nine formalin‐fixed rat spinal cords were imaged using a Poon–Henkelman multi‐echo spin‐echo readout with an ihMT prepulse at different strengths of filtering at 7T. Results The proposed model was able to characterize the ihMT decay signal in myelin water and intra‐/extra‐cellular water pool. From this proposed four‐pool model with dipolar order reservoirs, we see a drop in the fit parameter in the fasciculus gracilis white matter region of the three‐week post‐injury cord. and (non‐myelin) were estimated to be approx. 8 and 1.5 ms, respectively. Conclusion The drop in in the three‐week post‐injury cords suggests that could potentially distinguish between functional myelin and myelin debris; however, more studies are needed to confirm this.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».