Method for B0 off‐resonance mapping by non‐iterative correction of phase‐errors (B0‐NICE)
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
PURPOSE: To develop and evaluate a multiecho phase-unwrapping-based B0 mapping method. METHODS: The proposed method estimates a B0 map by Non-Iterative Correction of phase-Errors (B0-NICE). The B0-NICE method generates an initial B0 map from a "pseudo in-phase" data set by introducing a bias frequency shift to the multipeak fat model, followed by correcting the phase errors using both phase and magnitude information. The performance of the B0-NICE method was evaluated with all data cases from the 2012 ISMRM Challenge. RESULTS: The B0 field estimates from B0-NICE were compared with those generated by GlObally Optimal Surface Estimation (GOOSE). In the presence of large B0 inhomogeneity, the B0-NICE method was able to generate more realistic B0 maps from multiecho data, compared with GOOSE. Accurate estimation of fat-fraction (FF) map was also achieved using the proposed algorithm. CONCLUSION: The primary finding of the present study is that accurate FF and B0 maps are achievable if magnitude data is processed independently and used to correct phase errors existing in B0 maps generated by phase unwrapping. The B0-NICE software is freely available to the scientific community.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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