MRS-BIDS, an extension to the Brain Imaging Data Structure for magnetic resonance spectroscopy
Notice bibliographique
Résumé
Magnetic resonance spectroscopy (MRS), an application of the nuclear magnetic resonance phenomenon, for the discovery of which the 1944 Nobel Prize in Physics was awarded to Isidor Isaac Rabi, preceded the development of magnetic resonance imaging (MRI) by several decades. Its ability to noninvasively detect and estimate the concentration of endogenous chemical compounds in vivo has made it a powerful tool for studying metabolism in many contexts. Today, in vivo MRS is employed to interrogate the molecular underpinnings of many diseases and disorders, such as autism spectrum disorder 1 , cancer 2 , multiple sclerosis 3 , and schizophrenia 4 , to name a few. It is also used to study the neurochemical correlates of behavior, cognition, and perception, such as memory 5 , motor performance 6 , learning 7 , and vision 8 . However, a perennial issue with MRS, particularly compared to MRI, is the lack of standardization in terminology, acquisition approaches, data preprocessing, data analysis, metabolite quantification, and reporting of results. Recently, the MRS community came together to reach consensus recommendations for various aspects of MRS science. These recommendations were published as a series of articles in a special issue of NMR in Biomedicine 9 . In parallel, the Code and Data Sharing Committee of the MR Spectroscopy Study Group of the International Society for Magnetic Resonance in Medicine (ISMRM) was formed 10 . The Committee promotes the creation, curation, and sharing of openly available MRS datasets, software tools, educational materials, and expert knowledge for new and experienced users in the wider MRS community. A website was subsequently created to serve as a curated resource and hub for data, code, and resource sharing, as well as a virtual space for community interaction to discuss relevant topics of proposed and ongoing MRS research ( https://mrshub.org/ ).
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 | 0,011 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,011 |
| Science ouverte | 0,006 | 0,016 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,041 |
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 ».