Susceptibility weighted imaging with multiple echoes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To extend susceptibility weighted imaging (SWI) to multiple echoes with an adapted homodyne filtering of phase images for the computation of venograms with improved signal to noise ratio (SNR) and contrast to noise ratio (CNR) and to produce high resolution maps of R(2) relaxation. MATERIALS AND METHODS: Three-dimensional multi echo gradient echo data were acquired with five equidistant echoes ranging from 13 to 41 ms. The phase images of each echo were filtered with filter parameters adjusted to the echo time, converted into a phase mask, and combined with the corresponding magnitude images to obtain susceptibility weighted images. The individual images were then averaged. Conventional single echo data were acquired for comparison. Maps of R(2) relaxation rates were computed from the magnitude data. Field maps derived from the phase data were used to correct R(2) for the influences from background inhomogeneities of the static magnetic field. RESULTS: Compared with the single echo images, the combined images had an increase in SNR by 46% and an improvement in CNR by 34 to 80%, improved visibility of small venous vessels and reduced blurring along the readout direction. The R(2) values of different tissue types are in good agreement with values from the literature. CONCLUSION: Acquisition of SWI with multiple echoes leads to an increase in SNR and CNR and it allows the computation of high resolution maps of R(2) relaxation.
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.
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 découle