Multislice <i>T</i><sub>1</sub>‐prepared 2D single‐shot EPI: analysis of a clinical <i>T</i><sub>1</sub> mapping method unbiased by <i>B</i><sub>0</sub> or <i>B</i><sub>1</sub> inhomogeneity
Notice bibliographique
Résumé
Quantitative MR imaging is as sensitive in detecting lesions as qualitative imaging, but it is potentially more specific in differentiating disease. T1 mapping in particular might help to assess acute ischemic stroke, multiple sclerosis, epilepsy and Alzheimer's disease better. Thus, a rapid and robust clinical technique is vital. In 1990, Ordidge and colleagues developed the multislice T1 -prepared two-dimensional (2D) single-shot echo planar imaging technique. Subsequent studies demonstrated its clinical viability, but none performed an in-depth analysis of the strengths and advantages of this T1 mapping method. Herein, theoretical and experimental evidence shows that the technique accounts for 2D slice profile effects and is unbiased by B0 or B1 inhomogeneity. This is verified explicitly by varying the linear shims, the T1 preparation flip angle and the excitation flip angle. Furthermore, it is shown that the repetition time (and hence scan time) can be reduced without a loss of T1 accuracy. Copyright © 2016 John Wiley & Sons, Ltd.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,003 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».