Imaging and T<sub>2</sub> relaxometry of short‐T<sub>2</sub> connective tissues in the knee using ultrashort echo‐time double‐echo steady‐state (UTEDESS)
Notice bibliographique
Résumé
Purpose To develop a radial, double‐echo steady‐state (DESS) sequence with ultra‐short echo‐time (UTE) capabilities for T 2 measurement of short‐T 2 tissues along with simultaneous rapid, signal‐to‐noise ratio (SNR)‐efficient, and high‐isotropic‐resolution morphological knee imaging. Methods THe 3D radial UTE readouts were incorporated into DESS, termed UTEDESS. Multiple‐echo‐time UTEDESS was used for performing T 2 relaxometry for short‐T 2 tendons, ligaments, and menisci; and for Dixon water‐fat imaging. In vivo T 2 estimate repeatability and SNR efficiency for UTEDESS and Cartesian DESS were compared. The impact of coil combination methods on short‐T 2 measurements was evaluated by means of simulations. UTEDESS T 2 measurements were compared with T 2 measurements from Cartesian DESS, multi‐echo spin‐echo (MESE), and fast spin‐echo (FSE). Results UTEDESS produced isotropic resolution images with high SNR efficiency in all short‐T 2 tissues. Simulations and experiments demonstrated that sum‐of‐squares coil combinations overestimated short‐T 2 measurements. UTEDESS measurements of meniscal T 2 were comparable to DESS, MESE, and FSE measurements while the tendon and ligament measurements were less biased than those from Cartesian DESS. Average UTEDESS T 2 repeatability variation was under 10% in all tissues. Conclusion The T 2 measurements of short‐T 2 tissues and high‐resolution morphological imaging provided by UTEDESS makes it promising for studying the whole knee, both in routine clinical examinations and longitudinal studies. Magn Reson Med 78:2136–2148, 2017. © 2017 International Society for Magnetic Resonance 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».