Comparison of T1-weighted 3D high-resolution anatomical sequences for the brain at 3 Tesla: FLASH, MP-RAGE and MDEFT
Notice bibliographique
Résumé
Introduction: The outcome of automated quantitative morphometric population studies relies greatly on the quality of the cerebral anatomical images. For these applications, it is crucial that the images be uniform and have high spatial resolution, SNR (signal-to-noise ratio) and CNR (contrast-to-noise ratio) between brain tissues. This study evaluates the performance of three different T1-weighted pulse sequences at 3T (Tesla) in terms of SNR and CNR efficiency, as well as signal intensity NU (nonuniformity): FLASH (fast low angle shot), MP-RAGE (magnetization prepared rapid acquisition by gradient echo), and MDEFT (modified driven equilibrium Fourier transform). In both MP-RAGE and MDEFT, the 3D-FLASH readout is preceded by a magnetization preparation period to modify the contrast characteristics in a time-compact sequence design. The MP-RAGE preparation consists of an inversion pulse followed by a delay TI before the readout. The MDEFT preparation consists of two pulses: first a saturation pulse immediately followed by spoiler gradients to remove transverse magnetization then, after a time delay τ1, an inversion pulse is applied followed by an additional delay τ2. The total preparation time is TI= τ1+τ2. The inner centric 3D phase encoding loop of the readout in MDEFT is divided into 2 segments. Our objective was to determine the optimal 3T sequence for automated image analysis, and to identify further challenges that need to be addressed.
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 | 0,003 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 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 ».