Undersampled Diffusion-Weighted 129Xe MRI Morphometry of Airspace Enlargement: Feasibility in Chronic Obstructive Pulmonary Disease
Notice bibliographique
Résumé
Multi-b diffusion-weighted hyperpolarized gas MRI measures pulmonary airspace enlargement using apparent diffusion coefficients (ADC) and mean linear intercepts (Lm). Rapid single-breath acquisitions may facilitate clinical translation, and, hence, we aimed to develop single-breath three-dimensional multi-b diffusion-weighted 129Xe MRI using k-space undersampling. We evaluated multi-b (0, 12, 20, 30 s/cm2) diffusion-weighted 129Xe ADC/morphometry estimates using a fully sampled and retrospectively undersampled k-space with two acceleration-factors (AF = 2 and 3) in never-smokers and ex-smokers with chronic obstructive pulmonary disease (COPD) or alpha-one anti-trypsin deficiency (AATD). For the three sampling cases, mean ADC/Lm values were not significantly different (all p > 0.5); ADC/Lm values were significantly different for the COPD subgroup (0.08 cm2s−1/580 µm, AF = 3; all p < 0.001) as compared to never-smokers (0.05 cm2s−1/300 µm, AF = 3). For never-smokers, mean differences of 7%/7% and 10%/7% were observed between fully sampled and retrospectively undersampled (AF = 2/AF = 3) ADC and Lm values, respectively. For the COPD subgroup, mean differences of 3%/4% and 11%/10% were observed between fully sampled and retrospectively undersampled (AF = 2/AF = 3) ADC and Lm, respectively. There was no relationship between acceleration factor with ADC or Lm (p = 0.9); voxel-wise ADC/Lm measured using AF = 2 and AF = 3 were significantly and strongly related to fully-sampled values (all p < 0.0001). Multi-b diffusion-weighted 129Xe MRI is feasible using two different acceleration methods to measure pulmonary airspace enlargement using Lm and ADC in COPD participants and never-smokers.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».