Inversion‐recovery‐prepared SSFP for cardiac‐phase‐resolved delayed‐enhancement MRI
Notice bibliographique
Résumé
Delayed-enhancement magnetic resonance imaging (DE-MRI) can be used to visualize myocardial infarction (MI). DE-MRI is conventionally acquired with an inversion-recovery gradient-echo (IR-GRE) pulse sequence that yields a single bright-blood image. IR-GRE imaging requires an accurate estimate of the inversion time (TI) to null the signal from the myocardium, and a separate cine acquisition is required to visualize myocardial wall motion. Simulations were performed to examine the effects of a steady-state free precession (SSFP) readout after an inversion pulse in the setting of DE-MRI. Using these simulations, a segmented IR-SSFP sequence was optimized for infarct visualization. This sequence yields both viability and wall motion images over the cardiac cycle in a single breath-hold. Viability images at multiple effective TIs are produced, providing a range of image contrasts. In a study of 11 patients, IR-SSFP yielded infarct sizes and left ventricular ejection fractions (LVEFs) similar to those obtained by IR-GRE and standard SSFP, respectively. IR-SSFP images yielded improved visualization of the infarct-blood border because of the simultaneous nulling of healthy myocardium and blood. T(1) (*) recovery curves were extracted from IR-SSFP images and showed excellent qualitative agreement with theoretical simulations.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».