MétaCan
Menu
Retour à la cohorte
Enregistrement W1975299120 · doi:10.1021/jf049078f

Magnetic Resonance Imaging of Seeds by Use of Single Point Acquisition

2004· article· en· W1975299120 sur OpenAlexaff
Marco L.H. Gruwel, Peter Latta, Vyacheslav Volotovskyy, Miloš Šrámek, Bogusław Tomanek

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2004
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueNMR spectroscopy and applications
Établissements canadiensNational Research Council Institute for Biodiagnostics
Organismes subventionnairesnon disponible
Mots-clésMagnetic resonance imagingNuclear magnetic resonanceRelaxation (psychology)Point (geometry)Noise (video)Spin echoSIGNAL (programming language)PhysicsMaterials scienceBiological systemChemistryAcousticsComputer scienceArtificial intelligenceMathematicsBiologyImage (mathematics)RadiologyMedicine

Résumé

récupéré en direct d'OpenAlex

In general, magnetic resonance imaging (MRI) is used to obtain a spatial representation of the water distribution in an object. Water in soft materials (living matter) often shows a high degree of translational mobility, giving rise to relatively long magnetic relaxation times. This allows the use of conventional MRI techniques such as the spin-echo, to acquire an image. However, when hydration levels become low, water becomes less mobile, resulting in much shorter magnetic relaxation times and a corresponding signal loss. To avoid problems arising from rapid decaying signals, we investigated the use of single point imaging (SPI) in the study of seeds. We were able to obtain SPI images of nonimbibed and imbibed seeds. Using SPI with shaped gradients significantly reduced the acoustic noise level.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,181

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,218
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetNMR spectroscopy and applicationsTravaux en français237 207