Compressed sensing reconstruction improves sensitivity of variable density spiral fMRI
Notice bibliographique
Résumé
PURPOSE: Functional MRI (fMRI) techniques that can provide excellent blood oxygen level dependent contrast, rapid whole brain imaging, and minimal spatial distortion are in demand. This study explored whether fMRI sensitivity can be improved through the use of compressed sensing (CS) reconstruction of variable density spiral fMRI. METHODS: Three different CS-reconstructed 1-shot variable density spirals were explored (corresponding to 28%, 35%, and 46% under-sampling), and compared with conventional 1-shot and 2-shot Archimedean spirals acquired using matched echo time and volume repetition time. fMRI maps were reconstructed with or without CS MRI and sensitivity was compared using identically matched voxels. RESULTS: The results demonstrated that an l1 -norm based CS reconstruction only led to an increase in functional contrast when applied to 28% under-sampled data. A whole brain t-contrast map revealed that 2-shot uniformly sampled spiral and 28% under-sampled spiral data reconstructed with CS yield equivalent sensitivity, even with matched echo time and volume repetition time CONCLUSION: VD spiral exhibits a useful operating range, in the region of 25-30% under-sampling, for which CS reconstruction can be used to increase the sensitivity of fMRI to brain activity. Using CS, VD acquisitions achieve the same sensitivity as 2-shot Archimedean acquisitions, but require only a single shot.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».