MétaCan
Menu
Retour à la cohorte
Enregistrement W2012083486 · doi:10.1002/mrm.22340

In vivo detection of PARACEST agents with relaxation correction

2010· article· en· W2012083486 sur OpenAlexafffund
Craig Jones, Alex X. Li, Mojmı́r Suchý, Robert H. E. Hudson, Ravi S. Menon, Robert Bartha

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensWestern University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésIn vivoNuclear magnetic resonanceRelaxation (psychology)ChemistryMaterials sciencePhysicsBiologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Several pulse sequences have been used to detect paramagnetic chemical exchange saturation transfer (PARACEST) contrast agents in animals to quantify the uptake over time following a bolus injection. The observed signal change is a combination of relaxation effects and PARACEST contrast. The purpose of the current study was to isolate the PARACEST effect from the changes in bulk water relaxation induced by the PARACEST agent in vivo for the fast low-angle shot pulse sequence. A fast low-angle shot-based pulse sequence was used to acquire continuous images on a 9.4-T MRI of phantoms and the kidneys of mice following PARACEST agent (Tm(3+)-DOTAM-Gly-Lys) injection. A WALTZ-16 pulse was applied before every second image to generate on-resonance paramagnetic chemical exchange effects. Signal intensity changes of up to 50% were observed in the mouse kidney in the control images (without a WALTZ-16 preparation pulse) due to altered bulk water relaxation induced by the PARACEST agent. Despite these changes, a clear on-resonance paramagnetic chemical exchange effect of 4-7% was also observed. A four-pool exchange model was used to describe image signal intensity. This study demonstrates that in vivo on-resonance paramagnetic chemical exchange effect contrast can be isolated from tissue relaxation time constant changes induced by a PARACEST agent that dominate the signal change.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,721
Score d'incertitude au seuil0,296

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,012
Tête enseignante GPT0,303
Écart entre enseignants0,291 · 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'étudeObservationnel
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

Citations21
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207