High-field magnetic resonance imaging: Challenges, advantages, and opportunities for novel contrast agents
Notice bibliographique
Résumé
There is a need for non-invasive diagnostic tools to detect and monitor the occurrence of diseases. Ideally, this can be done without resorting to ionizing radiation, especially when multiple rounds of imaging are required. Magnetic resonance imaging (MRI), a form of three-dimensional nuclear magnetic resonance, has become a common tool of choice for diagnosticians. Due to the low contrast difference between healthy and diseased tissue, contrast agents—magnetic species administered to the patient prior to imaging—are routinely used for contrast improvement. High-field (B0 ≥ 4.7 T, 1H Larmor frequency ≥ 200 MHz) MRI offers advantages in terms of better signal-to-noise ratio, as well as improved spectral resolution for certain applications. New contrast agents are being developed for high-field MRI, the topic of this review. After discussing the purpose of contrast agents and the advantages and potential issues of high-field MRI, we discuss recent developments in the field of contrast agent design, synthesis, and applications, citing examples of high-field MRI-ready molecular contrast agents, as well as nanoparticulate contrast agents based on various inorganic materials (e.g., coordination polymers, transition metal oxides, or lanthanide halides). We will discuss how certain aspects (composition, shape, ligands) affect the contrasting abilities of these agents. Finally, we highlight recent developments in the promising field of multifunctional probes, wherein multiple imaging and/or therapeutic modalities are combined in a single species. As high-field MRI becomes more commonplace in the clinical setting, such new contrast agents are needed to provide optimized imaging. This will facilitate the clinician's task in resolving pathologies for more efficient diagnosis and patient treatment.
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 | 0,000 |
| 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 ».