Diffusion-weighted Imaging in Pediatric Body MR Imaging: Principles, Technique, and Emerging Applications
Notice bibliographique
Résumé
Diffusion-weighted (DW) imaging is an emerging technique in body imaging that provides indirect information about the microenvironment of tissues and lesions and helps detect, characterize, and follow up abnormalities. Two main challenges in the application of DW imaging to body imaging are the decreased signal-to-noise ratio of body tissues compared with neuronal tissues due to their shorter T2 relaxation time, and image degradation related to physiologic motion (eg, respiratory motion). Use of smaller b values and newer motion compensation techniques allow the evaluation of anatomic structures with DW imaging. DW imaging can be performed as a breath-hold sequence or a free-breathing sequence with or without respiratory triggering. Depending on the mobility of water molecules in their microenvironment, different normal tissues have different signals at DW imaging. Some normal tissues (eg, lymph nodes, spleen, ovarian and testicular parenchyma) are diffusion restricted, whereas others (eg, gallbladder, corpora cavernosa, endometrium, cartilage) show T2 shine-through. Epiphyses that contain fatty marrow and bone cortex appear dark on both DW images and apparent diffusion coefficient maps. Current and emerging applications of DW imaging in pediatric body imaging include tumor detection and characterization, assessment of therapy response and monitoring of tumors, noninvasive detection and grading of liver fibrosis and cirrhosis, detection of abscesses, and evaluation of inflammatory bowel disease.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».