Dense, shape‐optimized posterior 32‐channel coil for submillimeter functional imaging of visual cortex at 3T
Notice bibliographique
Résumé
PURPOSE: Functional neuroimaging of small cortical patches such as columns is essential for testing computational models of vision, but imaging from cortical columns at conventional 3T fields is exceedingly difficult. By targeting the visual cortex exclusively, we tested whether combined optimization of shape, coil placement, and electronics would yield the necessary gains in signal-to-noise ratio (SNR) for submillimeter visual cortex functional MRI (fMRI). METHOD: We optimized the shape of the housing to a population-averaged atlas. The shape was comfortable without cushions and resulted in the maximally proximal placement of the coil elements. By using small wire loops with the least number of solder joints, we were able to maximize the Q factor of the individual elements. Finally, by planning the placement of the coils using the brain atlas, we were able to target the arrangement of the coil elements to the extent of the visual cortex. RESULTS: The combined optimizations led to as much as two-fold SNR gain compared with a whole-head 32-channel coil. This gain was reflected in temporal SNR as well and enabled fMRI mapping at 0.75 mm resolutions using a conventional GRAPPA-accelerated gradient echo echo planar imaging. CONCLUSION: Integrated optimization of shape, electronics, and element placement can lead to large gains in SNR and empower submillimeter fMRI at 3T. Magn Reson Med 76:321-328, 2016. © 2015 Wiley Periodicals, Inc.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».