MétaCan
Menu
Retour à la cohorte
Enregistrement W2052630208 · doi:10.1055/s-0030-1253167

Biochemical and Physiological MR Imaging of Skeletal Muscle at 7 Tesla and Above

2010· review· en· W2052630208 sur OpenAlexaff
Gregory Chang, Ligong Wang, Arturo Cárdenas‐Blanco, Mark E. Schweitzer, Michael P. Recht, Ravinder R. Regatte

Notice bibliographique

RevueSeminars in Musculoskeletal Radiology · 2010
Typereview
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensOttawa Hospital
Organismes subventionnairesNational Center for Research ResourcesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesRadiological Society of North America
Mots-clésMedicineUltra high frequencyNuclear magnetic resonanceMagnetic resonance imagingSkeletal muscleRadiofrequency coilArtifact (error)Magnetic resonance spectroscopic imagingBiomedical engineeringNeuroscienceRadiologyPhysicsAnatomyComputer scienceTelecommunicationsBiology

Résumé

récupéré en direct d'OpenAlex

Ultra-high field (UHF; >or=7 T) magnetic resonance imaging (MRI), with its greater signal-to-noise ratio, offers the potential for increased spatial resolution, faster scanning, and, above all, improved biochemical and physiological imaging of skeletal muscle. The increased spectral resolution and greater sensitivity to low-gamma nuclei available at UHF should allow techniques such as (1)H MR spectroscopy (MRS), (31)P MRS, and (23)Na MRI to be more easily implemented. Numerous technical challenges exist in the performance of UHF MRI, including changes in relaxation values, increased chemical shift and susceptibility artifact, radiofrequency (RF) coil design/B (1)(+) field inhomogeneity, and greater RF energy deposition. Nevertheless, the possibility of improved functional and metabolic imaging at UHF will likely drive research efforts in the near future to overcome these challenges and allow studies of human skeletal muscle physiology and pathophysiology to be possible at >or=7 T.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,019
Tête enseignante GPT0,353
Écart entre enseignants0,334 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations14
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeminars in Musculoskeletal RadiologyMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207