Direct reconstruction of non‐Cartesian <i>k</i>‐space data using a nonuniform fast Fourier transform
Notice bibliographique
Résumé
An algorithm of Dutt and Rokhlin (SIAM J Sci Comput 1993;14:1368-1383) for the computation of a fast Fourier transform (FFT) of nonuniformly-spaced data samples has been extended to two dimensions for application to MRI image reconstruction. The 2D nonuniform or generalized FFT (GFFT) was applied to the reconstruction of simulated MRI data collected on radially oriented sinusoidal excursions in k-space (ROSE) and spiral k-space trajectories. The GFFT was compared to conventional Kaiser-Bessel kernel convolution regridding reconstruction in terms of image reconstruction quality and speed of computation. Images reconstructed with the GFFT were similar in quality to the Kaiser-Bessel kernel reconstructions for 256(2) pixel image reconstructions, and were more accurate for smaller 64(2) pixel image reconstructions. Close inspection of the GFFT reveals it to be equivalent to a convolution regridding method with a Gaussian kernel. The Gaussian kernel had been dismissed in earlier literature as nonoptimal compared to the Kaiser-Bessel kernel, but a theorem for the GFFT, bounding the approximation error, and the results of the numerical experiments presented here show that this dismissal was based on a nonoptimal selection of Gaussian function.
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) | 0,001 | 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 | 0,000 | 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 ».