Lipid-suppressed and tissue-fraction corrected metabolic distributions in human central brain structures using 2D 1H magnetic resonance spectroscopic imaging at 7 T
Notice bibliographique
Résumé
ABSTRACT Magnetic resonance spectroscopic imaging (MRSI) has the potential to add a layer of understanding of the neurobiological mechanisms underlying brain diseases, disease progression, and treatment efficacy. Limitations related to metabolite fitting of low SNR data, signal variations due to partial volume effects, acquisition and extra-cranial lipid artefacts, along with clinically relevant aspects such as scan-time constraints, are among the factors that hinder the widespread implementation of in vivo MRSI. The aim of this work was to address these factors and to develop an acquisition, reconstruction and post-processing pipeline to derive lipid suppressed metabolite values based on Free Induction Decay (FID-MRSI) measurements made using a 7 tesla MR scanner. Anatomical images were used to perform high-resolution (1mm 3 ) partial-volume correction to account for grey matter, white matter and cerebral-spinal fluid signal contributions. Implementation of automatic quality control thresholds and normalization of metabolic maps from 23 subjects to the MNI standard atlas facilitated the creation of high-resolution average metabolite maps of several clinically relevant metabolites in central brain regions, while accounting for macromolecular distributions. Reported metabolite values include glutamate, choline, (phospo)creatine, myo-inositol, glutathione, N-acetyl aspartyl glutamate(and glutamine) and N-acetyl aspartate. MNI-registered average metabolite maps facilitate group-based analysis; thus offering the possibility to mitigate uncertainty in variable MRSI.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».