Optimization of steady‐state free precession MRI for lung ventilation imaging with <sup>19</sup>F C<sub>3</sub>F<sub>8</sub> at 1.5T and 3T
Notice bibliographique
Résumé
Purpose: To optimize 19F imaging pulse sequences for perfluoropropane (C3F8) gas human lung ventilation MRI considering intrinsic in vivo relaxation parameters at both 1.5T and 3T. Methods: Optimization of the imaging parameters for both 3D spoiled gradient (SPGR) and steady‐state free precession (SSFP) 19F imaging sequences with inhaled 79% C3F8% and 21% oxygen was performed. Phantom measurements were used to validate simulations of SNR. In vivo parameter mapping and sequence optimization and comparison was performed by imaging the lungs of a healthy adult volunteer. T1 and T2* mapping was performed in vivo to optimize sequence parameters for in vivo lung MRI. The performance of SSFP and SPGR was then evaluated in vivo at 1.5T and 3T. Results: The in vivo T2* of C3F8 was shown to be dependent upon lung inflation level (2.04 ms ± 36% for residual volume and 3.14 ms ± 28% for total lung capacity measured at 3T), with lower T2* observed near the susceptibility interfaces of the diaphragm and around pulmonary blood vessels. Simulation and phantom measurements indicate that a factor of ~2‐3 higher SNR can be achieved with SSFP when compared with optimized SPGR. In vivo lung imaging showed a 1.7 factor of improvement in SNR achieved at 1.5T, while the theoretical improvement at 3T was not attained due to experimental SAR constraints, shorter in vivo T1, and B0 inhomogeneity. Conclusion: SSFP imaging provides increased SNR in lung ventilation imaging of C3F8 demonstrated at 1.5T with optimized SSFP similar to the SNR that can be obtained at 3T with optimized SPGR.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».