Effects of diffusion on high‐resolution quantitative <i>T</i><sub>2</sub> MRI
Notice bibliographique
Résumé
Carr-Purcell-Meiboom-Gill-based sequences are often assumed to be insensitive to diffusion. However, imaging gradients always contribute some degree of diffusion weighting which increases with resolution. This may cause an apparent decrease in T2 when using a multi-echo sequence, such as quantitative T2 (qT2) at high resolution. This study investigated the impact of diffusion on the qT2 sequence. An equation was developed relating the diffusion factor associated with each echo (bqT2 ) to the underestimation of T2 , which was strongly dependent on both the actual T2 and the apparent diffusion coefficient of the tissue. The diffusion dependence of the measured T2 was demonstrated in rat spinal cord. The measured T2 was independent of the imaging plane in gray matter, where diffusion was isotropic, and orientation dependent in white matter, where diffusion was strongly anisotropic. The dependence of the measured T2 on the actual T2 value was also demonstrated in MnCl2 phantoms. The relationship between the resolution and underestimation of T2 was investigated both theoretically and experimentally for the original readout and a fully refocused readout. The fully refocused readout increased the resolution at which diffusion effects could be neglected whilst measuring T2 . To avoid the misidentification of cerebrospinal fluid when applying qT2 in the brain or spinal cord, a minimum in-plane voxel dimension of 0.2 mm was suggested for the standard qT2 sequence and 0.1 mm for the refocused readout. Simulations of myelin water fraction measurement indicated that signal-to-noise ratio requirements were increased in the presence of diffusion. Finally, the use of decreasing spoiler gradients to attenuate stimulated echoes should be avoided, as it was found to distort the T2 distribution when the slice thickness was less than 1 mm.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».