3D non‐contrast‐enhanced MR angiography with balanced steady‐state free precession dixon method
Notice bibliographique
Résumé
Balanced steady-state free precession (bSSFP) is capable of producing ample fat-water separation. In the case of the bSSFP Dixon method, the phase between fat and water can be manipulated by setting repetition time (TR) to an odd-half-multiple of the cycle time and adjusting the center frequency to acquire fat-water in in-phase and opposed-phase images. Adding an image collected when fat and water are in-phase to an image in which fat and water are opposed-phase produces a water-only image. Of the water signals, arterial blood has the highest T(2)/T(1) contrast, making the arterial signal appear brighter than both venous blood and muscle in the final image. In this study, the bSSFP Dixon method was used to collect coronal water-only three-dimensional (3D) volumes at multiple anatomical stations in the legs of five healthy volunteers. The image quality was quantified by region-of-interest (ROI) analysis of signal intensities between arterial blood, venous blood, muscle, and fat. The images were also assessed for diagnostic quality by a trained radiologist. The bSSFP Dixon method was successful in producing non-contrast-enhanced (NCE) images of the blood vessels in the lower limbs. The work presented here is a proof-of-concept for the use of the bSSFP Dixon method for 3D peripheral angiography.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».