MétaCan
Menu
Retour à la cohorte
Enregistrement W7118313613 · doi:10.25545/fm1gxy

Transient shear wave elastometry using a portable magnetic resonance sensor

2025· dataset· W7118313613 sur OpenAlexaff
William Selby, Phil Garland, Igor V. Mastikhin

Notice bibliographique

RevueUNB Dataverse · 2025
Typedataset
Langue
Domaine
Thématique
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésMagnetic resonance elastographyShear wavesShear (geology)Magnetic resonance imagingElasticity (physics)Impulse (physics)Signal processing

Résumé

récupéré en direct d'OpenAlex

This repository contains all raw data files and processing scripts associated with the paper published in Magnetic Resonance in Medicine entitled “Transient Shear Wave Elastometry Using a Portable Magnetic Resonance Sensor.” Abstract: Purpose: Magnetic resonance elastography (MRE) provides detailed maps of tissue stiffness, helping to diagnose various health conditions, but requires the use of expensive clinical MRI scanners. Our approach utilizes compact, cost-effective portable MR sensors that offer bulk characterization of material properties in a region of interest close to the surface (within 1-2 cm). This accessible instrument could enable routine monitoring and prevention of diseases not readily evaluated with conventional tools. Methods: The method was tested on tissue-mimicking phantoms with varying stiffness. The gels were excited with acoustic pulses (one cycle of a sinusoidal waveform) at a fixed distance from the MR sensor. A series of delays between acoustic excitation and MR signal detection allowed time for the pulse to travel to the sensitive region. Results: The "arrival time" of the shear wave, determined by the time-dependent MR signal response, was used to calculate the shear wave speed. MR measurements of shear wave speed were compared with optical sensor measurements and manufacturer-tabulated values, aligning with expected relative differences between samples. Conclusion: A portable MR-based transient elastometry technique for measuring tissue elasticity was developed and demonstrated on tissue-mimicking phantoms. Future improvements include using a new portable magnet to investigate depth-dependent changes in elasticity in stratified samples and integrating MR relaxation and diffusion measurements for comprehensive tissue analysis. This approach can complement conventional MRE in applications where a portable, affordable, and localized assessment of tissue stiffness is required.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0040,004
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0050,009
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0030,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0400,038

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,269
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUNB DataverseTravaux en français237 207