Limitations of skipping echoes for exponential T<sub>2</sub> fitting
Notice bibliographique
Résumé
Background Exponential fitting of multiecho spin echo sequences with skipped echoes is still commonly used for quantification of transverse relaxation (T 2 ). Purpose To examine the efficacy of skipped echo methods for T 2 quantification against computational modeling of the exact signal decay. Study Type Prospective comparison of methods. Subjects/Phantom Eight volunteers were imaged at 4.7T, six volunteers at 1.5T, and phantoms ([MnCl 2 ] = 68–270 mM). Field Strength/Sequence 1.5T and 4.7T; multiple‐echo spin echo. Assessment Exponential fitting for T 2 using all echoes, skipping the first echo or skipping all odd echoes, compared with Bloch simulations. Resulting T 2 values were examined over a range of T 2 (10–150 msec), refocusing flip angles (90–270°), and echo train lengths (ETL = 6–32). Statistical Tests Shapiro–Wilk tests and Q‐Q plots were used to check for normality of data. Paired sample t ‐tests and Wilcoxon rank tests were used to compare fitting models using α = 0.05. Multiple comparisons were accounted for with Bonferroni correction. Results In examined regions of interest, typical incorrect estimation of T 2 ranged from 23–39% for exponential fitting of all echoes, or 15–32% for skipped echo methods. In vivo, T 2 estimation error was reduced to as little as 10% with skipped echo methods using 180° refocusing and ETL = 8, although error varied due to refocusing angle, T 2 , and ETL. In vivo, skipped echo T 2 values were significantly different than all echo exponential fitting ( P < 0.004), but also were significantly different from reference values ( P < 0.002, except frontal white matter). Simulations showed skipping the first echo was the most effective form of exponential fitting, in particular for T 2 <50 msec and ETL = 8, with potential to reduce T 2 errors to 10%, depending on refocusing angle and T 2 . Data Conclusion Skipping echoes is insufficient for avoiding stimulated echo contamination. Resulting T 2 errors depend on a complicated interplay of T 2 , refocusing angle, and ETL. Modeling of the multiecho sequence is recommended. Level of Evidence : 2 Technical Efficacy : Stage 1 J. Magn. Reson. Imaging 2018;47:1432–1440.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».