TU‐H‐BRA‐09: Relationship Between B0 and the Contrast‐To‐Noise Ratio (CNR) of Tumour to Background for MRI/Radiotherapy Hybrids
Notice bibliographique
Résumé
Purpose: To investigate the relationship in MRI between B0 and the contrast‐to‐noise ratio (CNR) of various tumour/normal tissue pairs. This study is motivated by the current interest in MRI/radiotherapy hybrids, for which multiple magnetic field strengths have been proposed. CNR is the single most important parameter governing the ability of a system to identify a tumour in real time for treatment guidance. The MRI community has long since recognized that the SNR of a well‐designed MR system is roughly proportional to B0, the polarizing magnetic field. However, the CNR between two tissues is much more complicated ‐ dependent not only on this signal behavior, but also on the different relaxation properties of the tissues. Methods: Experimentally‐based models of B0‐dependant relaxation for various tumour and normal tissues from the literature were used in conjunction with signal equations for MR sequences suitable for rapid realtime imaging to develop field‐dependent predictions for CNR. These CNR models were developed for liver, lung, breast, glioma, and kidney tumours for spoiled‐gradient echo (SGE) and balanced steady‐state free precession (bSSFP) sequences. Results: In all cases there was an improved CNR at lower fields compared to linear dependency. Further, in some tumour sites, the CNR at lower fields was found to be comparable to, or sometimes higher than those at higher fields (i.e. bSSFP CNR for glioma, kidney and liver tumours). Conclusion: Due to the variation of tissue relaxation parameters with field, lower B0 fields have been shown to perform as well or better (in terms of CNR) than higher fields for some tumour sites. In other sites this effect was less pronounced. It is the complex relationship between CNR and B0 that leads to greater CNR at 0.5 T for certain tumour types studied here for fast imaging. B. Gino Fallone is a co‐founder and CEO of MagnetTx Oncology Solutions (under discussions to license Alberta bi‐planar linac MR for commercialization)
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) | 0,000 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».