MétaCan
Menu
Retour à la cohorte
Enregistrement W2061349600 · doi:10.1002/jmri.21029

Neuro MR: Principles

2007· review· en· W2061349600 sur OpenAlexaff
Timothy P. L. Roberts, David J. Mikulis

Notice bibliographique

RevueJournal of Magnetic Resonance Imaging · 2007
Typereview
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensToronto Western HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésSpin echoContrast (vision)Nuclear magnetic resonanceArtifact (error)Computer scienceContext (archaeology)Image contrastMagnetic resonance imagingImage qualityPhysicsMedicineArtificial intelligenceRadiologyImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

The principles of contrast mechanisms and fast pulse sequences underlying neurological and neuroradiological application of MRI are introduced in this part of a two-part review. In particular, the relaxation time constants T(1), T(2), and T(2) (*) are introduced, along with pulse sequences harnessing their contrast, spin-echo, fast spin echo (FSE), inversion recovery (IR), gradient recalled echo (GRE), and echo planar imaging (EPI). The use of gadolinium (Gd)-based contrast is discussed in both T(1)- and T(2) (*)-weighted sequences. Tradeoffs between speed and image quality are discussed, particularly in the context of long echo train sequences (FSE imaging and EPI). The influence of parallel imaging strategies is also discussed. T(2) (*) sensitivity is discussed as both a source of artifact as well as a contrast mechanism (perfusion imaging with contrast agents, susceptibility weighted imaging [SWI], and blood oxygenation level dependent [BOLD] imaging). Finally, the contrast mechanism of diffusion is introduced, as well as the concept of anisotropy. From these principles, the other part of this two-part review draws upon the pulse sequences and contrast mechanisms to design disease and indication-specific protocols for state-of-the-art clinical use.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,903

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,072
Tête enseignante GPT0,402
Écart entre enseignants0,330 · 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'étudeAutre devis
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

Citations64
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Magnetic Resonance ImagingMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207