Oscillating and pulsed gradient diffusion magnetic resonance microscopy over an extended<i>b</i>‐value range: Implications for the characterization of tissue microstructure
Notice bibliographique
Résumé
Oscillating gradient spin-echo (OGSE) pulse sequences have been proposed for acquiring diffusion data with very short diffusion times, which probe tissue structure at the subcellular scale. OGSE sequences are an alternative to pulsed gradient spin echo measurements, which typically probe longer diffusion times due to gradient limitations. In this investigation, a high-strength (6600 G/cm) gradient designed for small-sample microscopy was used to acquire OGSE and pulsed gradient spin echo data in a rat hippocampal specimen at microscopic resolution. Measurements covered a broad range of diffusion times (TDeff = 1.2-15.0 ms), frequencies (ω = 67-1000 Hz), and b-values (b = 0-3.2 ms/μm2). Variations in apparent diffusion coefficient with frequency and diffusion time provided microstructural information at a scale much smaller than the imaging resolution. For a more direct comparison of the techniques, OGSE and pulsed gradient spin echo data were acquired with similar effective diffusion times. Measurements with similar TDeff were consistent at low b-value (b < 1 ms/μm(2) ), but diverged at higher b-values. Experimental observations suggest that the effective diffusion time can be helpful in the interpretation of low b-value OGSE data. However, caution is required at higher b, where enhanced sensitivity to restriction and exchange render the effective diffusion time an unsuitable representation. Oscillating and pulsed gradient diffusion techniques offer unique, complementary information. In combination, the two methods provide a powerful tool for characterizing complex diffusion within biological tissues.
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 | 0,000 |
| 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 ».