Rapid acquisition of multifrequency, multislice and multidirectional MR elastography data with a fractionally encoded gradient echo sequence
Notice bibliographique
Résumé
In MR elastography (MRE), periodic tissue motion is phase encoded using motion-encoding gradients synchronized to an externally applied periodic mechanical excitation. Conventional methods result in extended scan time for quality phase images, thus limiting the broad application of MRE in the clinic. For practical scan times, researchers have been relying on one-dimensional or two-dimensional motion-encoding, low-phase sampling and a limited number of slices, and artifact-prone, single-shot, echo planar imaging (EPI) readout. Here, we introduce a rapid multislice pulse sequence capable of three-dimensional motion encoding that is also suitable for simultaneously encoding motion with multiple frequency components. This sequence is based on a gradient-recalled echo (GRE) sequence and exploits the principles of fractional encoding. This GRE MRE pulse sequence was validated as capable of acquiring full three-dimensional motion encoding of isotropic voxels in a large volume within less than a minute. This sequence is suitable for monofrequency and multifrequency MRE experiments. In homogeneous paraffin phantoms, the eXpresso sequence yielded similar storage modulus values as those obtained with conventional methods, although with markedly reduced variances (7.11 ± 0.26 kPa for GRE MRE versus 7.16 ± 1.33 kPa for the conventional spin-echo EPI sequence). The GRE MRE sequence obtained better phase-to-noise ratios than the equivalent spin-echo EPI sequence (matched for identical acquisition time) in both paraffin phantoms and in vivo data in the liver (59.62 ± 11.89 versus 27.86 ± 3.81, 61.49 ± 14.16 versus 24.78 ± 2.48 and 58.23 ± 10.39 versus 23.48 ± 2.91 in the X, Y and Z components, respectively, in the case of liver experiments). Phase-to-noise ratios were similar between GRE MRE used in monofrequency or multifrequency experiments (75.39 ± 14.93 versus 86.13 ± 18.25 at 28 Hz, 71.52 ± 24.74 versus 86.96 ± 30.53 at 56 Hz and 95.60 ± 36.96 versus 61.35 ± 26.25 at 84Hz, respectively).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».