In vivo free‐breathing DTI and IVIM of the whole human heart using a real‐time slice‐followed SE‐EPI navigator‐based sequence: A reproducibility study in healthy volunteers
Notice bibliographique
Résumé
PURPOSE: In this study, we proposed an efficient free-breathing strategy for rapid and improved cardiac diffusion-weighted imaging (DWI) acquisition using a single-shot spin-echo echo planar imaging (SE-EPI) sequence. METHODS: A real-time slice-following technique during free-breathing was combined with a sliding acquisition-window strategy prior Principal Component Analysis temporal Maximum Intensity Projection (PCAtMIP) postprocessing of in-plane co-registered diffusion-weighted images. This methodology was applied to 10 volunteers to quantify the performance of the motion correction technique and the reproducibility of diffusion parameters. RESULTS: The slice-following technique offers a powerful head-foot respiratory motion management solution for SE-EPI cDWI with the advantage of a 100% duty cycle scanning efficiency. The level of co-registration was further improved using nonrigid motion corrections and was evaluated with a co-registration index. Vascular fraction f and the diffusion coefficients D and D* were determined to be 0.122 ± 0.013, 1.41 ± 0.09 × 10(-3) mm(2) /s and 43.6 ± 9.2 × 10(-3) mm(2) /s, respectively. From the multidirectional dataset, the measured mean diffusivity was 1.72 ± 0.09 × 10(-3) mm(2) /s and the fractional anisotropy was 0.36 ± 0.02. CONCLUSION: The slice-following DWI SE-EPI sequence is a promising solution for clinical implementation, offering a robust improved workflow for further evaluation of DWI in cardiology. Magn Reson Med 76:70-82, 2016. © 2015 Wiley Periodicals, Inc.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».