Transverse relaxation and flip angle mapping: Evaluation of simultaneous and independent methods using multiple spin echoes
Notice bibliographique
Résumé
PURPOSE: To evaluate transverse relaxation (T2) and flip angle maps derived from signal pathway modeling of multiple spin echoes using simultaneous or independent T2 and flip angle fitting. METHODS: We examined different approaches to indirect and stimulated echo compensated T2 relaxometry from multiple spin echoes to evaluate both T2 and flip angle accuracy in simulation, phantom, and human brain. Signal pathways were modeled with or without independent flip angle maps using either Bloch simulations, or Extended Phase Graph (EPG) with Fourier or Shinnar-Le Roux approximation of slice profiles. RESULTS: Slice-selective decay curves differ substantially between models. Inaccurate flip angles are obtained with EPG methods, although T2 values are relatively accurate. Providing measured flip angles to EPG methods yields erroneous T2. Bloch methods improve both T2 and flip angle results. Simultaneous fitting can suffer from flip angle redundancy yielding multiple T2 solutions, particularly in low signal-to-noise ratio cases. CONCLUSION: EPG fitting provides reasonably accurate T2, but is limited by poor accuracy in resulting flip angles, and T2 errors increase when flip angles are provided. Bloch simultaneous fitting of T2 and flip angle provides excellent results, but can be limited by multiple solutions which can be overcome by including a flip angle map. Magn Reson Med 77:2057-2065, 2017. © 2016 International Society for MagneticResonance in Medicine.
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 | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».