Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Identification of Laminar Composition in Cerebral Cortex Using Low-Resolution Magnetic Resonance Images and Trust Region Optimization Algorithm

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14110%2F22%3A00125139" target="_blank" >RIV/00216224:14110/22:00125139 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.mdpi.com/2075-4418/12/1/24" target="_blank" >https://www.mdpi.com/2075-4418/12/1/24</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.3390/diagnostics12010024" target="_blank" >10.3390/diagnostics12010024</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Identification of Laminar Composition in Cerebral Cortex Using Low-Resolution Magnetic Resonance Images and Trust Region Optimization Algorithm

  • Popis výsledku v původním jazyce

    Pathological changes in the cortical lamina can cause several mental disorders. Visualization of these changes in vivo would enhance their diagnostics. Recently a framework for visualizing cortical structures by magnetic resonance imaging (MRI) has emerged. This is based on mathematical modeling of multi-component T1 relaxation at the sub-voxel level. This work proposes a new approach for their estimation. The approach is validated using simulated data. Sixteen MRI experiments were carried out on healthy volunteers. A modified echo-planar imaging (EPI) sequence was used to acquire 105 individual volumes. Data simulating the images were created, serving as the ground truth. The model was fitted to the data using a modified Trust Region algorithm. In single voxel experiments, the estimation accuracy of the T1 relaxation times depended on the number of optimization starting points and the level of noise. A single starting point resulted in a mean percentage error (MPE) of 6.1%, while 100 starting points resulted in a perfect fit. The MPE was &lt;5% for the signal-to-noise ratio (SNR) ≥ 38 dB. Concerning multiple voxel experiments, the MPE was &lt;5% for all components. Estimation of T1 relaxation times can be achieved using the modified algorithm with MPE &lt; 5%.

  • Název v anglickém jazyce

    Identification of Laminar Composition in Cerebral Cortex Using Low-Resolution Magnetic Resonance Images and Trust Region Optimization Algorithm

  • Popis výsledku anglicky

    Pathological changes in the cortical lamina can cause several mental disorders. Visualization of these changes in vivo would enhance their diagnostics. Recently a framework for visualizing cortical structures by magnetic resonance imaging (MRI) has emerged. This is based on mathematical modeling of multi-component T1 relaxation at the sub-voxel level. This work proposes a new approach for their estimation. The approach is validated using simulated data. Sixteen MRI experiments were carried out on healthy volunteers. A modified echo-planar imaging (EPI) sequence was used to acquire 105 individual volumes. Data simulating the images were created, serving as the ground truth. The model was fitted to the data using a modified Trust Region algorithm. In single voxel experiments, the estimation accuracy of the T1 relaxation times depended on the number of optimization starting points and the level of noise. A single starting point resulted in a mean percentage error (MPE) of 6.1%, while 100 starting points resulted in a perfect fit. The MPE was &lt;5% for the signal-to-noise ratio (SNR) ≥ 38 dB. Concerning multiple voxel experiments, the MPE was &lt;5% for all components. Estimation of T1 relaxation times can be achieved using the modified algorithm with MPE &lt; 5%.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    30103 - Neurosciences (including psychophysiology)

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Diagnostics

  • ISSN

    2075-4418

  • e-ISSN

    2075-4418

  • Svazek periodika

    12

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    CH - Švýcarská konfederace

  • Počet stran výsledku

    12

  • Strana od-do

    1-12

  • Kód UT WoS článku

    000757263000001

  • EID výsledku v databázi Scopus

    2-s2.0-85121692716