MétaCan
Menu
Retour à la cohorte
Enregistrement W2084230047 · doi:10.1002/jmri.21859

Imaging the vessel wall in major peripheral arteries using susceptibility‐weighted imaging

2009· article· en· W2084230047 sur OpenAlexaff
Qi Yang, Jiantao Liu, Samuel Barnes, Zhen Wu, Kuncheng Li, Jaladhar Neelavalli, Jiani Hu, E. Mark Haacke

Notice bibliographique

RevueJournal of Magnetic Resonance Imaging · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueCerebrovascular and Carotid Artery Diseases
Établissements canadiensMcMaster University
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésLumen (anatomy)Susceptibility weighted imagingCalcificationMedicineMaterials scienceNuclear medicineMagnetic resonance imagingRadiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To demonstrate a novel contrast mechanism for imaging the vessel wall and vessel wall calcification using susceptibility-weighted imaging (SWI). MATERIALS AND METHODS: Eighteen subjects were imaged with multidetector computed tomography (MDCT) and high-resolution SWI at 3T. The SWI imaging parameters were optimized to allow for the best visualization of the femoral artery lumen and the arterial wall in magnitude and phase images, respectively. SWI-filtered phase data were used to evaluate the diamagnetic susceptibility of vessel wall and of putative vessel wall calcification. Imaging was performed using TE = 15.6 msec (in-phase for fat); TR = 25 msec, flip angle (FA) = 10 degrees , bandwidth (BW) = 80 Hz/pixel, resolution = 0.5 x 0.5 mm in-plane and 1.0 mm through-plane, an acquisition matrix of 512 x 384 x 64 (for read, phase, and slice-select directions), and a total scan time of 8 minutes. RESULTS: Nineteen calcifications were identified in CT and SWI and they correlated well in both size and position. The contrast-to-noise ratio between the blood signal in the lumen of the artery and arterial wall was 11.7:1 and 7.4:1 in magnitude and in phase images, respectively. CONCLUSION: SWI provides a novel means to visualize vessel wall and recognize the presence of calcification.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,215
Score d'incertitude au seuil0,853

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,008
Tête enseignante GPT0,253
Écart entre enseignants0,245 · 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

Citations50
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Magnetic Resonance ImagingMême sujetCerebrovascular and Carotid Artery DiseasesTravaux en français237 207