High spatial resolution hyperpolarized <sup>3</sup>He MRI of the rodent lung using a single breath X‐centric gradient‐recalled echo approach
Notice bibliographique
Résumé
Purpose Hyperpolarized (HP) gas MRI of the rodent lung is of great interest because of the increasing need for novel biomarkers with which to develop new therapies for respiratory diseases. The use of fast gradient‐recalled echo (FGRE) for high‐resolution HP gas rodent lung MRI is challenging as a result of signal loss caused by significant diffusion weighting, particularly in the larger airways. In this work, a modified FGRE approach is described for HP 3 He rodent lung MRI using a centric‐out readout scheme (ie, x‐centric), allowing high‐resolution, density‐weighted imaging. Methods HP 3 He x‐centric imaging was performed in a phantom and compared with a conventional partial‐echo FGRE acquisition for in‐plane spatial resolutions varying between 39 and 312 µm. Partial‐echo and x‐centric acquisitions were also compared for high spatial‐resolution breath‐hold (1 s) imaging of rodent lungs. Results X‐centric provided improved signal‐to‐noise ratio efficiency by a factor of up to 13/1.7 and 6.7/1.8, compared with the partial‐echo FGRE for the airways/parenchyma of mouse and rat, respectively, at high spatial resolutions in vivo (<78 µm). In particular, rodent major airways with less restricted diffusion of 3 He could only be visualized with the x‐centric method. Conclusions The x‐centric method significantly reduces diffusion weighting, allowing high spatial and temporal resolution HP 3 He gas density‐weighted rodent lung MRI. Magn Reson Med 78:2334–2341, 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».