摘要。我们报告了在基于超导微谐振器的定制高灵敏度光谱仪中在毫开尔文温度下进行的电子自旋回波包络调制 (ESEEM) 测量。谐振器的高品质因数和小模式体积(低至 0.2pL)允许探测少量自旋,低至 5 · 10 2 。我们在两个系统上测量了 2 脉冲 15 ESEEM:铒离子与天然丰度 CaWO 4 晶体中的 183 W 核耦合,铋供体与 28 Si 同位素富集的硅基板中的残留 29 Si 核耦合。我们还测量了硅中铋供体的 3 脉冲和 5 脉冲 ESEEM。对于近端核的超精细耦合强度和核自旋浓度都获得了定量一致性。
TRMM降水雷达(PR)是第一台星载降雨雷达,也是TRMM上唯一能够直接观测降雨垂直分布的仪器。TRMM PR的频率为13.8 GHz。PR可以实现陆地和海洋的定量降雨估计。PR还可以提供降雨高度信息,这对基于辐射计的降雨率反演算法很有用。PR的覆盖范围足够小,可以研究不均匀降雨对低频微波辐射计通道相对粗糙覆盖范围的影响。PR的主要设计和性能参数如表0-2所示[Kozu等,2001]。PR的观测几何如图0-1所示。在正常观测模式下,PR 天线波束在 ±17 的横向轨道方向上扫描,结果从一端到另一端的扫描宽度为 220 公里。PR 的天线波束宽度为 0.71 ,在 ±17 的扫描角度内有 49 个观测角度箱。当 TRMM 处于 350 公里的标称高度时,水平分辨率(覆盖区大小)在天底为 4.3 公里,在扫描边缘约为 5 公里。TRMM PR 的距离分辨率为 250 米,等于天底的垂直分辨率。对于每个观测角度箱,雷达回波采样是在海面和 15 公里高度之间的距离门上进行的。对于天底入射,还收集了高达 5 公里高度的“镜像”。此外,还部分收集了表面回波(扫描角度在 ±9.94 以内)和降雨回波(扫描角度在 ±3.55 以内,高达 7.5 公里)的“过采样”回波数据。这些过采样数据将用于精确测量表面回波水平和融化层结构。根据发射前地面测试和轨道测试确定,最小可检测 Z(对应于噪声等效接收功率)从 23.3 dBZ(基于规范要求)提高到 20.8 dBZ。这主要是由于发射功率增加和接收器噪声系数降低。
用于中枢神经/中枢循环系统手术的探头。它是指设计用于放置在手术部位以拍摄局部手术图像的手持式超声换能器组件。它也被称为手术探头或指尖探头。它包括由将电压转换为超声波束的单个或多个元件组成的各种换能器组件的配置。该组件以机械或电子方式确定超声波束的方向、聚焦并检测反射回波。此类别包括用于模式 A、模式 B、模式 M、多普勒、彩色多普勒 (CD) 和双 (组合图像、多普勒或彩色血流) 扫描的超声换能器。作为换能器外壳或外壳组件设计的一部分,可以纳入引入活检针的路线。该设备可重复使用。
背景:非小细胞肺癌(NSCLC)是扩散到大脑的最常见肿瘤实体,多达50%的患者发展出脑转移(BMS)。在MRI上检测BMS是具有挑战性的,其固有的诊断风险固有的风险。目的:在临床常规MRI上训练和评估NSCLC中BMS的全自动检测和3D分割的深度学习模型(DLM)。研究类型:回顾性。人口:预处理MRI 315 BMS的98例NSCLC患者分为培训(66例患者,248 BMS)和独立测试(17例患者,67 BMS)和对照(15例患者,0 BMS)同伙。场强/序列:t 1-/t 2加权,T 1加权对比度增强(T 1 CE;梯度回波和自旋回波序列),以及来自各个供应商和研究中心的1.0、1.5和3.0 t的天赋。评估:使用5倍交叉验证对训练队列进行了3D卷积神经网络(DEEPMEDIC),并在独立的测试和控制集中进行了评估。通过神经外科医生和t 1 CE的放射科医生对BMS的三维体素分割,用作参考标准。统计检验:每次扫描的敏感性(回忆)和假阳性(FP)发现,骰子相似性系数(DSC)比较手动分割之间的空间重叠,Pearson的相关性(R)的相关性(R)以评估量化量级的量级测量和WIRCO之间的关系,并评估量级的量级量表,并进行了量级测量。 BMS。p值<0.05在统计学上被认为是显着的。与参考标准相比,自动化结果:在测试集中,DLM检测到67 BMS中的57个(平均体积:0.99 4.24 cm 3),导致灵敏度为85.1%,而每次扫描的FP发现为1.5。错过的BMS比检测到的BMS(0.96 2.4 cm 3)的体积明显小(0.05 0.04 cm 3)。
Waveform-LiDAR 利用了两个关键特性:首先,脉冲飞行时间激光雷达的返回信号(从光学状态转换为电状态后)通过高采样率的模数转换器 (ADC) 进行数字化,同时覆盖宽动态范围。其次,数字化的回波信号会进行详细分析(信号检测和信号估计)——在线或离线——提供功能丰富的测距结果,包括目标的精确距离、信号强度以及从接收到的回波信号的实际形状得出的属性。结合角度测量和运动激光雷达应用中集成 IMU/GNSS 系统的测量,生成的 3D 点云不仅具有几何形状,还具有经过校准的附加属性,如振幅和反射率估计,从而简化了进一步的处理,如配准、地理参考和过滤。
心脏 MR 检查 对所有参与者进行了标准 MR 检查,如下所示: 侦察图像:在正交平面中捕获以进行心脏长轴和短轴规划。 功能电影图像:在短轴平面、轴向平面以及 4 个腔平面中,使用 ECG 门控、稳态自由进动序列捕获。 通过重复屏气获取切片,应用以下参数:TR/TE:4.4/2.5。 FOV:根据患者的年龄在 250-350 毫米之间。 阶段:25。 NSA:1-2。 切片厚度:6-8 毫米,切片间隙:0 毫米。 矩阵:128x128。 利用观察锁定技术进行标准延迟钆增强成像以确定最佳延迟时间。 这是通过采用反转恢复平衡涡轮场回波 (IR-b-TFE) 实现的
我们考虑了一大类拉姆齐干涉测量协议,这些协议通过在相位信号印在 N 个粒子的集体自旋上之前和之后进行压缩和非压缩操作而得到增强。我们报告了针对任何给定粒子数和 (非) 压缩强度的分析优化。即使在压缩和非压缩相互作用期间包含实验相关的退相干过程,也可以应用这些结果。然而,本文不考虑两种相互作用之间的噪声。这提供了压缩回波协议的广义表征,恢复了许多已知的量子计量协议作为局部灵敏度最大值,从而证明了它们的最优性。我们发现了一个新的协议。其灵敏度增强依赖于压缩的双重反转。在一般的回声协议类别中,新发现的过度解扭曲协议由于其在强集体失相情况下的海森堡缩放而被挑选出来。
Sayan Kahali a、Marcus E. Raichle a、b 和 Dmitriy A. Yablonskiy a* a 美国密苏里州圣路易斯华盛顿大学医学院放射学系 b 美国密苏里州圣路易斯华盛顿大学医学院神经病学系 *通讯作者:Dmitriy A. Yablonskiy,博士 华盛顿大学医学院 Mallinckrodt 放射学研究所 4525 Scott Ave,3216 室 圣路易斯,密苏里州 63110 电话:314-362-1815 传真:314-362-0526 电子邮件:YablonskiyD@wustl.edu 关键词:功能连接、功能网络层次、脑细胞回路、定量梯度回忆回波 MRI、神经元、神经胶质细胞、突触、人类连接组计划 摘要 虽然在研究健康人脑和广泛人群的静息态功能网络方面已经取得了重大进展尽管许多临床情况都存在这种情况,但许多有关它们与大脑细胞成分关系的问题仍未得到解决。在此,我们使用定量梯度回忆回波 (qGRE) MRI 来映射人脑细胞组成,并使用 BOLD(血氧水平依赖性)MRI 来探索大脑细胞成分与静息状态功能网络的关系。结果表明,网络定义的单个功能单元中细胞回路之间连接的 BOLD 信号定义的同步性主要与区域神经元密度有关,而功能单元间的连接强度也受到脑组织细胞成分的神经胶质细胞和突触成分的影响。这些机制导致静息状态功能网络特性分布相当广泛。具有最高神经元密度(但神经胶质细胞和突触密度最低)的视觉网络表现出最强的 BOLD 信号相干性,以及最强的网络内连接。默认模式网络 (DMN) 位于频谱的相反部分附近,其 BOLD 信号的相干性相对较低,但细胞内容非常平衡,使 DMN 在大脑的整体组织和功能网络层次结构中发挥重要作用。
简介:T 2 和 T 1 估计可改善各种病理的特征描述,但较长的扫描时间阻碍了定量 MRI (qMRI) 的广泛应用,因此已经开发了序列以实现高效的 3D 采集。例如,3D-QALAS 1 利用交错的 Look-Locker 采集和 T 2 准备脉冲来对 T 1 和 T 2 进行全脑量化。但是,3D-QALAS 应用恒定翻转角并在 5 个时间点重建图像,这些时间点由于冗长的回波序列期间的信号演变而出现模糊。总结图 1,我们建议通过以下方式改进 3D-QALAS:(1) 结合基于子空间的重建来解决完整的时间动态以消除模糊 (2) 使用与自动微分兼容的模拟通过 Cramer-Rao 界限 (CRB) 优化采集翻转角,(3) 并减少每重复时间 (TR) 的总采集次数以缩短扫描时间。方法:子空间重建:传统 3D-QALAS 应用 T 2 准备和反转脉冲并测量 5 次采集,每次采集都利用 4 度翻转的回声序列。不是为 5 次采集中的每次采集重建一个体积,而是让 𝐸 成为 3D-QALAS TR 中 𝐴 采集之一中的回声数量(通常 𝐴= 5,𝐸= 120 →𝑇= 120 × 5 = 600 𝑒𝑐ℎ𝑜𝑒𝑠/𝑇𝑅 ),其中 𝑇 是回声总数。我们生成一个信号演化字典,用 SVD 计算低维线性基 Φ,从而产生一个易于处理的重建问题 𝑎𝑟𝑔𝑚𝑖𝑛 𝛼 ‖𝑦−𝐴Φ𝛼‖ + 𝑅(𝛼) ,其中 𝐴 表示傅里叶、线圈和采样算子以及 𝑅 正则化。通过使用 𝑥= Φ𝛼 解析时空体积,我们旨在利用与 𝑇 回声 2 的字典匹配来估计更清晰的定量图。图 2 (A) 中的体内实验表明,使用子空间可以减少估计的 T 2 图中的模糊。 CRB 翻转角优化:我们通过最小化两种方式的 CRB 来优化 3D-QALAS 中的翻转角:(1) 优化每个回波序列的一个翻转角 (2) 优化每个回波序列中的所有翻转角。我们使用传统的 4 度翻转角初始化了这两种优化,利用了代表性组织参数 [T 2 =70ms、T 1 =700ms、M0=1] 和 [T 2 =80ms、T 1 =1300ms、M0=1],并最小化了基于 CRB 的成本函数。我们为 3D-QALAS 实现了自动微分兼容信号模拟 3,从而能够计算基于 CRB 的优化的梯度。减少采集:我们通过从 TR 末尾移除采集,设计了具有 A ={5,4,3} 采集的优化序列,从而加快了扫描速度。实验:我们在扫描仪上实施了针对每个回波序列进行优化的 3D-QALAS 序列,并使用 Mini System Phantom、型号 #136(CaliberMRI,美国科罗拉多州博尔德)和人类受试者(经 IRB 批准)上的常规和优化序列采集数据,进行了 3 次和 5 次采集(1x1x1mm3 分辨率,R=2)。我们比较了使用子空间重建(秩 = 3)和字典匹配估计的定量图。结果:优化序列:图 2(B)绘制了优化的翻转角和(C)与应用子空间重建进行定量估计时的传统序列相比的所得 CRB。优化可以减少 CRB 或者以更少的采集次数匹配传统的 5 次采集 CRB,从而有可能缩短扫描时间。模型和体内:图 3(A)和(B)显示了从模型和体内数据估计的图,其中每个 ETL 翻转角优化的序列(A=3,5 次采集)与恒定翻转角匹配。讨论和结论:未来的工作将实施全翻转角优化序列来解决未来实验中的 T 1 偏差。将子空间重建与自动微分启用的翻转角优化相结合,可获得改进的 3D-QALAS 序列,并将扫描时间缩短 1.75 倍。参考文献:[1] Kvernby, S. et al. J. Cardiovasc. Magn. Reson. 16 , 102 (2014)。[2] Tamir, JI 等人 Magn. Reson. Med. 77 , 180–195 (2017)。[3] Lee, PK 等人 Magn. Reson. Med. 82 , 1438–1451 (2019)。致谢:NIH R01 EB032708、R01HD100009、R01 EB028797、U01 EB025162、P41 EB030006、U01 EB026996、R03EB031175、R01EB032378、5T32EB1680
特拉华大学的中子科学中心成立于 2007 年,由 Norm Wagner 领导,最近与美国国家标准与技术研究所 (NIST) 中子研究中心 (NCNR) 达成了另一项合作协议。根据这项新协议,中子科学中心将通过开发新技术、将这些技术应用于新应用以及培训下一代中子科学家来推动中子散射领域的发展。根据新的合作协议,Wagner 和他的合作者将使用小角度中子散射、非常小角度中子散射、中子反射测量和中子自旋回波等技术。他们还将开发新方法,包括新的界面流变学-中子反射测量样品环境。该协议于 2017 年 9 月 1 日开始生效,资金为 170 万美元,预计到 2022 年 8 月 31 日,总资金将超过 870 万美元。