MétaCan
Menu
Retour à la cohorte
Enregistrement W1489018812 · doi:10.1002/mrm.24697

Flip angle mapping with the accelerated 3D look‐locker sequence

2013· article· en· W1489018812 sur OpenAlexaff
Trevor Wade, Charles A. McKenzie, Brian K. Rutt

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensRobarts Clinical TrialsWestern University
Organismes subventionnairesNational Center for Research ResourcesNational Institute of Biomedical Imaging and Bioengineering
Mots-clésFlip angleOpticsViewing angleAmplitudeRange (aeronautics)PhysicsMaterials scienceLiquid-crystal display

Résumé

récupéré en direct d'OpenAlex

PURPOSE: A new approach to mapping the flip angle quickly and efficiently in 3D based on the Look-Locker technique is presented. METHODS: We modified the accelerated 3D Look-Locker T1 measurement technique to allow rapid measurement of flip angle. By removing the inversion pulses and interleaving two radio frequency pulses with different amplitude, it is possible to fit directly for the true flip angle using a reduced number of parameters. This technique, non-inverted Double Angle Look-Locker, allows quick and efficient mapping of the flip angle in 3D. RESULTS: non-inverted Double Angle Look-Locker is validated in vitro against the actual flip angle imaging technique for a range of flip angles and T1 values. Flip angle maps produced with non-inverted Double Angle Look-Locker can be acquired in approximately 1 min, and are accurate to within 10% of the actual flip angle imaging measurement. It is shown to accurately measure the excited slab profile of several different pulses. An application to correcting in vivo DESPOT T1 data is presented. CONCLUSION: The presented technique is a rapid method for mapping flip angles across a 3D volume, capable of producing a flip angle map in approximately 1 min.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,258
Écart entre enseignants0,234 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetUltrasound Imaging and ElastographyTravaux en français237 207