Rapid flow characterization measurements using a modified CPMG measurement with incremented echo times, phase cycling and filtering
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We recently demonstrated a magnetic resonance methodology for measuring and characterizing various pipe flows, using a series of individually-acquired spin echoes at different τ . The key advantage of our approach lies in the simplicity of the experiment, MR hardware, and data processing. However, acquiring each spin echo separately results in prolonged measurement times. To address this, we employ an echo-train approach to acquire the series of variable τ spin echoes. By incrementing CPMG echo pulse spacings within the echo train and implementing a four-step phase cycling scheme to suppress coherence pathway effects, we obtain the same echo phase and magnitude response to flow as a function of τ 2 as in our original method, without requiring individual echo acquisitions. This new approach significantly reduces the number of required experiments, shortening measurement time by a factor of 1 / N , where N is the number of utilized echoes per echo train. Our phase cycling strategy, combined with incremented pulse spacings, enables N = 3 in our benchtop flow measurement. Validation experiments with Newtonian and shear-thinning fluids confirm that the new echo-train technique yields results consistent with the original approach of acquiring each spin echo separately. • A CPMG echo train in the presence of magnetic field gradient encodes velocity. • Variable τ along the train imparts different flow sensitivity to different echoes. • Phase-cycling and filtering select for the direct echo. • Data are fit with an analytical model of the magnetic resonance signal. • Apparatus is low-field and portable for magnetic resonance rheometry.
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.
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) | 0,000 | 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 découle