Evaluating contrast kinetics by acquiring 2D images during 3D contrast‐enhanced MR angiography
Notice bibliographique
Résumé
PURPOSE: To monitor contrast kinetics by acquiring multiple 2D images during 3D contrast-enhanced magnetic resonance angiography (CE MRA). MATERIALS AND METHODS: A 2D real-time autotriggering tool was integrated into a 3D sequence, enabling it to run multiple times during 3D acquisition. Several dummy scans were applied after each transition to maintain the steady state condition of both sequences. The number of the acquired 2D images and their distribution can be adjusted. Each 2D image was saved along with its associated timing. Contrast signal variations over time were plotted, reflecting selective signal measurement over an artery and vein from the saved 2D images. RESULTS: Different contrast kinetics timings were calculated from the resulting plot. Contrast arrival time to the internal cerebral artery was 13.2 +/- 1.2 seconds and the peak arterial to peak venous (at the confluence of sinuses) enhancement was 6.7 +/- 0.6 seconds. The observed timing could be used for 3D sequence optimization; the saved 2D images are useful in detecting and characterizing vascular abnormalities. CONCLUSION: Integrating 2D and 3D sequences into one sequence to monitor contrast kinetics through the neurovasculature is feasible without the need for extra injections or reduced spatial resolution. The technique can also be used in different parts of the body to extract useful clinical information.
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».