The BrainPET-7T Insert for Neuroscientific Applications: Performance with and without MRI
Notice bibliographique
Résumé
We present the performance of a high-resolution, high-sensitivity, and UHF-MRI-compatible BrainPET insert for in vivo multimodal and multi-parametric neuroscientific imaging applications in humans. In this performance evaluation we studied mutual compatibility, PET-relevant imaging parameters, (spatial resolution, sensitivity, noise equivalent count rate, and coincidence time resolution), and MRI-relevant imaging parameters, (image homogeneity, image SNR, field homogeneity, and quality of spectra acquired for single-voxel${ }^{1} \mathrm{H}$spectroscopy). Potential imaging applications for nuclei other than${ }^{1} \mathrm{H}$(e.g.${ }^{13} \mathrm{C},{ }^{19} ~\mathrm{F},{ }^{23} \text{Na}$, and${ }^{31} \mathrm{P}$) were also considered. In addition, we acquired PET-only in ovo images of a chick embryo and compared the images to those obtained with a Siemens Inveon small animal PET/CT. The PET insert was shown to have a homogeneous spatial resolution of$\approx 1.6 ~\text{mm}$paired with a sensitivity of$57.2 \text{kcps} / \text{MBq}$. MR image SNR is$\approx 10 \%$lower when measured with the PET insert installed and running. However, spurious RF noise spectra with running PET are free of detectable interference for${ }^{1} \mathrm{H}$and${ }^{19} ~\mathrm{F}$within the relevant frequency bandwidths. No PET count rate loss was observed for most typical MR sequences. Thus, the BrainPET-7T provides a unique multimodal imaging tool for neuroscience with excellent MR and PET image quality.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
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 ».