MétaCan
Menu
Retour à la cohorte
Enregistrement W1959361260 · doi:10.1002/mrm.25098

Banding artifact removal for bSSFP imaging with an elliptical signal model

2014· article· en· W1959361260 sur OpenAlexafffund
Qing‐San Xiang, Michael N. Hoff

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesBC Children's HospitalChildren's Hospital Foundation
Mots-clésArtifact (error)Imaging phantomComputer scienceSIGNAL (programming language)DemodulationAlgorithmPhase (matter)Computer visionArtificial intelligencePhysicsOpticsTelecommunications

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Balanced steady-state free precession (bSSFP) imaging has broad clinical applications by virtue of its high time efficiency and desirable contrast. Unfortunately, banding artifact is often seen as a result of signal modulation due to B0 inhomogeneity. This study aims to develop an effective method for banding artifact suppression. METHODS: bSSFP is analyzed with an elliptical signal model. A simple analytical "Geometric-Solution" (GS) is presented to demodulate the signal from B0 inhomogeneity dependence with phase-cycled bSSFP data from both a computer simulation and experiments using phantom and human subjects. RESULTS: The proposed algorithm is able to remove banding artifacts completely. It also compares favorably with the complex sum (CS), which is considered one of the more efficient methods for banding artifact correction. CONCLUSION: Using an elliptical signal model, an analytical solution to the bSSFP banding problem has been found and demonstrated with simulation as well as phantom and in vivo experiments.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,920
Score d'incertitude au seuil0,540

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 Opus0,027
Tête enseignante GPT0,330
Écart entre enseignants0,303 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations49
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207