MétaCan
Menu
Retour à la cohorte
Enregistrement W6981369099

Efficient whole-brain orientation-specific T1 mapping at 3 tesla

2019· dissertation· en· W6981369099 sur OpenAlexafffund

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2019
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCraniofacial Disorders and Treatments
Établissements canadiensMcGill University
Organismes subventionnairesAthinoula A. Martinos Center for Biomedical Imaging, Massachusetts General HospitalCentre d'Imagerie BioMédicaleMcGill University
Mots-clésProcess (computing)Noise (video)Set (abstract data type)Field (mathematics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Quantitative magnetic resonance imaging (qMRI) techniques such as T1 mapping are used to probe the microstructure of white matter in the human brain.However, these methods cannot disentangle the unique microstructural features of different white matter fibre populations, also called tracts, inside the voxel.This is a significant problem for qMRI because 60 to 90 % of MR image voxels in white matter contain complex configurations of multiple fibres (Jeurissen, Leemans, Tournier, Jones, & Sijbers, 2013).This calls for new qMRI methods that can disentangle the microstructure of individual tracts in a voxel.A recent MRI method combines inversion recovery (IR) and diffusion-weighted imaging (DWI) to measure tractspecific T1 relaxation times inside the voxel (De Santis, Assaf, Jeurissen, Jones, & Roebroeck, 2016; De Santis, Barazany, Jones, & Assaf, 2016).In human brain white matter, T1 is sensitive to tract myelination, and DWI is sensitive to tract geometry.IR-DWI was used at 7 tesla (T) to resolve multiple diffusion orientation-specific T1 values in phantoms (test objects) and in healthy human subjects (De Santis, Assaf, et al., 2016;De Santis, Barazany, et al., 2016).This original implementation is limited, however, by a long scan time, requiring over two hours for a wholebrain acquisition.An accelerated IR-DWI method applicable in more common 3 T MRI systems was developed in this thesis work at the McConnell Brain Imaging Centre of McGill University in collaboration with researchers at the Athinoula A. Martinos Center for Biomedical Imaging in Charlestown, Massachusetts, USA.Accelerated IR-DWI combines a slice-shuffled readout and simultaneous multi-slice imaging to enable whole-brain scanning in under 15 minutes.Accelerated IR-DWI was used to extract multiple orientation-specific T1 values in voxels with crossing fibres in a phantom and in the healthy human brain.This thesis demonstrates the feasibility of accelerated IR-DWI at 3 T and validates the technique.Future studies will use accelerated IR-DWI to examine how altered myelination in specific tracts affects structural connectivity in the brain and, ultimately, behaviour.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,007

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,237
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetCraniofacial Disorders and TreatmentsTravaux en français237 207