Principles, Techniques, and Applications of T2*-based MR Imaging and Its Special Applications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
T2* relaxation refers to decay of transverse magnetization caused by a combination of spin-spin relaxation and magnetic field inhomogeneity. T2* relaxation is seen only with gradient-echo (GRE) imaging because transverse relaxation caused by magnetic field inhomogeneities is eliminated by the 180 degrees pulse at spin-echo imaging. T2* relaxation is one of the main determinants of image contrast with GRE sequences and forms the basis for many magnetic resonance (MR) applications, such as susceptibility-weighted (SW) imaging, perfusion MR imaging, and functional MR imaging. GRE sequences can be made predominantly T2* weighted by using a low flip angle, long echo time, and long repetition time. GRE sequences with T2*-based contrast are used to depict hemorrhage, calcification, and iron deposition in various tissues and lesions. SW imaging uses phase information in addition to T2*-based contrast to exploit the magnetic susceptibility differences of the blood and of iron and calcification in various tissues. Perfusion MR imaging exploits the signal intensity decrease that occurs with the passage of a high concentration of gadopentetate dimeglumine through the microvasculature. Change in oxygen saturation during specific tasks changes the local T2*, which leads to the blood oxygen level-dependent effect seen at functional MR imaging. The basics of T2* relaxation, T2*-weighted sequences, and their clinical applications are presented, followed by the principles, techniques, and clinical uses of four T2*-based applications, including SW imaging, perfusion MR imaging, functional MR imaging, and iron overload imaging.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 découle