MétaCan
Menu
Retour à la cohorte
Enregistrement W2896739304 · doi:10.1002/mrm.27495

T<sub>1</sub> and T<sub>2</sub> quantification from standard turbo spin echo images

2018· article· en· W2896739304 sur OpenAlexafffund
Kelly C. McPhee, Alan H. Wilman

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchAlberta Innovates - Health Solutions
Mots-clésMultisliceSpin echoNuclear magnetic resonanceFlip angleMagnetization transferPhysicsFast spin echoMagnetizationWeightingNuclear medicineMathematicsMagnetic resonance imagingMedicine

Résumé

récupéré en direct d'OpenAlex

Purpose To extract longitudinal and transverse (T 1 and T 2 ) relaxation maps from standard MRI methods. Methods Bloch simulations were used to model relative signal amplitudes from standard turbo spin‐echo sequences: proton density weighted, T 2 ‐weighted, and either T 2 ‐weighted fluid attenuated inversion recovery or T 1 ‐weighted images. Simulations over a range of expected parameter values yielded a look‐up table of relative signal intensities of these sequences. Weighted images and flip angle maps were acquired in 8 subjects at 3 T using both single and multislice acquisitions. The T 1 and T 2 maps were fit by comparing the weighted images to the look‐up table, given the measured flip angles. Results were compared with inversion recovery and multi‐echo spin‐echo experiments. Results A region analysis showed that relaxation maps computed from single‐slice proton density, T 2 and T 1 weighting provided a mean T 1 error of 4% in gray matter and 11% in white matter, and a mean T 2 error of 3% and 4%, respectively, in comparison to reference measurements. In multislice acquisitions that are optimized to reduce cross‐talk and incidental magnetization transfer, the mean T 1 error was 7% in gray matter and 1% in white matter, and the mean T 2 errors were 3% and 4%, respectively. The best T 1 results were achieved using proton density, T 2 and T 1 weighting rather than the fluid attenuated inversion recovery, although T 2 maps were largely unaffected by this choice. Incidental magnetization transfer reduced T 1 accuracy in standard interleaved multislice acquisitions. Conclusion Through exact sequence modeling and separate flip angle measurement, T 2 and T 1 may be quantified from a turbo spin‐echo brain protocol with proton density, T 2 , and T 1 weighting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,310
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207