Quantitative susceptibility and T1<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" altimg="si1.svg"><mml:mrow><mml:mi mathvariant="bold-italic">ρ</mml:mi></mml:mrow></mml:math> mapping of knee articular cartilage at 3T
Notice bibliographique
Résumé
T1 ρ and Quantitative Susceptibility Mapping (QSM) are evolving as substrates for quantifying the progressive nature of knee osteoarthritis. Objective To evaluate the effects of spin lock time combinations on depth-dependent T1 ρ estimation, in adjunct to QSM, and characterize the degree of shared variance in QSM and T1 ρ for the quantitative measurement of articular cartilage. Design Twenty healthy participants (10 M/10F, 22.2 ± 3.4 years) underwent bilateral knee MRI using T1 ρ MAPPS sequences with varying TSLs ([0–120] ms), along with a 3D spoiled gradient echo for QSM. Five total TSL combinations were used for T1 ρ computation, and direct depth-based comparison. Depth-wide variance was assessed in comparison to QSM as a basis to assess for depth-specific variation in T1 ρ computations across healthy cartilage. Results Longer T1 ρ relaxation times were observed for TSL combinations with higher spin lock times. Depth-specific differences were documented for both QSM and T1 ρ , with most change found at ∼60% depth of the cartilage, relative to the surface. Direct squared linear correlation revealed that most T1 ρ TSL combinations can explain over 30% of the variability in QSM, suggesting inherent shared sensitivity to cartilage microstructure. Conclusions T1 ρ mapping is subjective to the spin lock time combinations used for computation of relaxation times. When paired with QSM, both similarities and differences in signal sensitivity may be complementary to capture depth-wide changes in articular cartilage.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».