MR evidence of long T<sub>2</sub> water in pathological white matter
Notice bibliographique
Résumé
PURPOSE: To describe what, if any, specific long T(2)-related abnormalities occur in the white matter of subjects with either phenylketonuria (PKU) or multiple sclerosis (MS). MATERIALS AND METHODS: The 48-echo T(2) relaxation data (maximum TE = 1.12 sec) were acquired from 15 PKU subjects, 20 MS subjects, and 15 healthy volunteers. Regions of interest were drawn in diffuse white matter hyperintensities (DiffWM), lesions, normal-appearing white matter (NAWM), and normal white matter. Long T(2) maps (200 msec < T(2) < 800 msec) were created for each subject. RESULTS: A new water reservoir with a markedly prolonged T(2) peak was identified in DiffWM and NAWM in 12 out of 15 subjects with PKU and a long T(2) signal was also seen in 23/97 lesions in 50% of subjects with MS. Additionally, a long T(2) component was observed in the corticospinal tracts of 10 healthy volunteers. The characteristics of the long T(2) signal were unique for each subject group. Potential sources of this signal include vacuolation and increases in extracellular water. CONCLUSION: This study supports the usefulness of increasing the data acquisition window of the multiecho T(2) relaxation sequence to better characterize the T(2) decay from pathological brain.
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 | 0,000 |
| 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) | 0,000 | 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 ».