Impact of motion on T1 mapping acquired with inversion recovery fast spin echo and rapid spoiled gradient recalled‐echo pulse sequences for delayed gadolinium‐enhanced MRI of cartilage (dGEMRIC) in volunteers
Notice bibliographique
Résumé
PURPOSE: To evaluate the impact of motion on T1 values acquired by using either inversion-recovery fast spin echo (IR-FSE) or three-dimensional (3D) spoiled gradient recalled-echo (SPGR) sequences for delayed gadolinium-enhanced magnetic resonance imaging of cartilage (dGEMRIC) in volunteers. MATERIALS AND METHODS: Single-slice IR-FSE and 3D SPGR sequences were applied to perform dGEMRIC in five healthy volunteers. A mutual information-based approach was used to correct for image misregistration. Displacements were expressed as averaged Euclidean distances and angles. Averages of differences in goodness of fit (Deltachi(2)) tests and averages of relative differences in T1 values (DeltaT1) before and after motion correction were computed. RESULTS: Maximum Euclidean distance was 3.5 mm and 1.2 mm for IR-FSE and SPGR respectively. Mean +/- SD of Deltachi(2) were 10.18 +/- 8.4 for IR-FSE and -1.37 +/- 5.5 for SPGR. Mean +/- SD of DeltaT1 were 0.008 +/- 0.0048 for IR-FSE and -0.002 +/- 0.019 for FSPGR. Pairwise comparison of Deltachi(2) values showed a significant difference for IR-FSE, but not for 3D-SPGR. Significantly greater variability in T1 values was also noted for IR-FSE than for 3D-SPGR. CONCLUSION: Involuntary motion has a significant influence on T1 values acquired with IR-FSE, but not with 3D-SPGR in healthy volunteers.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».