MétaCan
Menu
Retour à la cohorte
Enregistrement W2094291606 · doi:10.1088/1742-6596/3/1/008

Contrast mechanisms in magnetic resonance imaging

2004· article· en· W2094291606 sur OpenAlexaff
Martin Lepage, John C. Gore

Notice bibliographique

RevueJournal of Physics Conference Series · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésDosimeterIrradiationPolymerRelaxation (psychology)Materials scienceNuclear magnetic resonanceIonizing radiationDosimetryPolymerizationProtonMagnetic resonance imagingRadiochemistryRadiationChemistryOpticsNuclear physicsNuclear medicinePhysicsRadiology

Résumé

récupéré en direct d'OpenAlex

The first publications describing gel dosimetry used magnetic resonance imaging to detect changes in the proton longitudinal relaxation rate of a gel infused with ferrous ions and irradiated with ionizing radiation. Later, different gel dosimeter systems were proposed that are based on the free-radical polymerization of monomers dispersed in a gel matrix. In these polymer gels, changes in transverse relaxation rates were shown to be dependent on the absorbed dose. More recently, contrast in MR images based on the exchange of magnetization between polymer and water protons, following saturation of the polymer protons, has been exploited in polymer gel dosimeters. In addition, variations in relaxation times in the rotating frame (T1ρ) have been shown to produce contrast in MR images of irradiated polymer gel dosimeters. The signal and contrast in MR images may be manipulated to reflect a variety of these and other processes within an irradiated sample, An attempt is made here to provide an overview of the main different types of MRI contrast that may be used in gel dosimetry and, where possible, to relate this contrast to the nature of the chemical processes and structural changes that occur within the gels following the absorption of ionizing radiation.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,907
Score d'incertitude au seuil0,293

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,015
Tête enseignante GPT0,282
Écart entre enseignants0,266 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations17
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207