Utilizing T1- and T2-Specific Contrast Agents as “Two Colors” MRI Correlation
Notice bibliographique
Résumé
Magnetic resonance imaging (MRI) is widely used as a medical imaging technique due to its non-invasive nature, high spatial contrast, and virtually unlimited depth of penetration. Different modalities can be used for contrast in MRI, including T1 (spin–lattice) and T2 or T2 * (spin–spin) proton relaxation times, and specific contrast agents (CAs) have been developed that locally enhance the contrasts in MRI images. We present a method combining T1- and T2-specific CAs in a single imaging technique, referred to as correlation MRI. This technique allows different CAs to be used simultaneously to visualize contrast between multiple types of tissue in the same image when applied as targeted CAs. An obstacle for the quantitative use of correlation MRI is that T1 and T2 relaxivity changes generated by CAs are not independent of each other. Here, we measured relaxivities in mixtures with various concentrations of Cas, including Magnevist (Gd3+-based, primarily a T1 CA) and Feridex (Fe2+- and Fe3+-based, primarily a T2 CA), and compared them to theoretically predicted values. It was found that, at clinically relevant concentrations, relaxivities of the mixtures deviate from linearly added values. We finally propose a three-dimensional calibration curve to quantitatively determine the concentration in mixtures of CAs, based on the measured relaxivities.
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 ».