MétaCan
Menu
Retour à la cohorte
Enregistrement W1854389798

Comparison of generalized autocalibrating partially parallel acquisitions and modified sensitivity encoding for diffusion tensor imaging.

2007· article· en· W1854389798 sur OpenAlexaff
Yusuf A. Bhagat, Derek Emery, Suprava Naik, Tseng Tsai Yeo, Christian Beaulieu

Notice bibliographique

RevuePubMed · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDiffusion MRIFractional anisotropyNuclear magnetic resonanceNuclear medicineWhite matterMagnetic resonance imagingMedicineScannerEffective diffusion coefficientPhysicsArtificial intelligenceComputer scienceRadiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: Diffusion tensor magnetic resonance imaging (DTI) of the brain is usually acquired with single-shot echo-planar imaging, which is associated with localized signal loss, geometric distortions, and blurring. Parallel imaging can lessen these artifacts by shortening the length of the echo-train acquisition. The self-calibrating parallel acquisition techniques, image domain-based modified sensitivity encoding (mSENSE) and k-space-based generalized autocalibrating partially parallel acquisitions (GRAPPA), were evaluated with DTI of the brain in 5 healthy subjects. METHODS: GRAPPA and mSENSE with higher acceleration factors (R) up to 4 were compared with conventional DTI (with and without phase partial Fourier, another method of reducing the echo-train length) on a 1.5T Sonata scanner (Siemens, Erlangen, Germany). The resulting images and diffusion maps were evaluated qualitatively and quantitatively. Qualitative analysis was performed by 3 reviewers blinded to the technique using image sharpness and the level of artifacts as characteristics for scoring each set of images. Quantitative comparisons encompassed measuring signal-to-noise ratio, Trace/3 apparent diffusion coefficient (ADC), and fractional anisotropy (FA) in 6 white-matter (WM) and gray-matter (GM) regions. RESULTS: Reviewers scored the GRAPPA and mSENSE R = 2 images better than images acquired with conventional techniques. FA contrast was improved at the GM/WM junction in peripheral brain areas. Trace/3 ADC and FA measurements were consistent for all methods. However, R = 3,4 images suffered from reconstruction-related artifacts. CONCLUSIONS: GRAPPA and mSENSE (R = 2) minimized the susceptibility and off-resonance effects associated with conventional DTI methods, yielding high-quality images and reproducible quantitative diffusion measurements.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,599
Score d'incertitude au seuil0,420

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,374
Écart entre enseignants0,262 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations25
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207