Simultaneous high‐resolution T<sub>2</sub>‐weighted imaging and quantitative <scp>T</scp><sub>2</sub> mapping at low magnetic field strengths using a multiple TE and multi‐orientation acquisition approach
Notice bibliographique
Résumé
Purpose Low magnetic field systems provide an important opportunity to expand MRI to new and diverse clinical and research study populations. However, a fundamental limitation of low field strength systems is the reduced SNR compared to 1.5 or 3T, necessitating compromises in spatial resolution and imaging time. Most often, images are acquired with anisotropic voxels with low through‐plane resolution, which provide acceptable image quality with reasonable scan times, but can impair visualization of subtle pathology. Methods Here, we describe a super‐resolution approach to reconstruct high‐resolution isotropic T 2 ‐weighted images from a series of low‐resolution anisotropic images acquired in orthogonal orientations. Furthermore, acquiring each image with an incremented TE allows calculations of quantitative T 2 images without time penalty. Results Our approach is demonstrated via phantom and in vivo human brain imaging, with simultaneous 1.5 × 1.5 × 1.5 mm 3 T 2 ‐weighted and quantitative T 2 maps acquired using a clinically feasible approach that combines three acquisition that require approximately 4‐min each to collect. Calculated T 2 values agree with reference multiple TE measures with intraclass correlation values of 0.96 and 0.85 in phantom and in vivo measures, respectively, in line with previously reported brain T 2 values at 150 mT, 1.5T, and 3T. Conclusion Our multi‐orientation and multi‐TE approach is a time‐efficient method for high‐resolution T 2 ‐weighted images for anatomical visualization with simultaneous quantitative T 2 imaging for increased sensitivity to tissue microstructure and chemical composition.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».