Relaxivity‐iron calibration in hepatic iron overload: Predictions of a Monte Carlo model
Notice bibliographique
Résumé
PURPOSE: R2* (1/T2*) and single echo R2 (1/T2) have been calibrated to liver iron concentration (LIC) in patients with thalassemia and transfusion-dependent sickle cell disease at 1.5T. The R2*-LIC relationship is linear, whereas that of R2 is curvilinear. However, the increasing popularity of high-field scanners requires generalizing these relationships to higher field strengths. In this study, we tested the hypothesis that numerical simulation can accurately determine the field dependence of iron-mediated transverse relaxation rates. METHODS: We previously replicated the calibration curves between R2 and R2* and iron at 1.5T using Monte Carlo models incorporating realistic liver structure, iron deposit susceptibility, and proton mobility. In this paper, we extend our model to predict relaxivity-iron calibrations at higher field strengths. Predictions were validated by measuring R2 and R2* at 1.5T and 3T in six β-thalassemia major patients. RESULTS: Predicted R2* increased twofold at 3T from 1.5T, whereas R2 increased by a factor of 1.47. Patient data exhibited a coefficient of variation of 3.6% and 7.2%, respectively, to the best-fit simulated data. Simulations over the range 0.25T-7T showed R2* increasing linearly with field strength, whereas R2 exhibited a concave-downward relationship. CONCLUSION: A model-based approach predicts alterations in relaxivity-iron calibrations with field strength without repeating imaging studies. The model may generalize to alternative pulse sequences and tissue iron distribution.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».