Sci‐Fri PM: Planning‐11: Selection and optimization of angiographic roadmap images for magnetic resonance guided catheter tracking
Notice bibliographique
Résumé
As endovascular magnetic resonance (MR) techniques for device tracking and guidance move closer to demonstrating clinical feasibility, more investigation in the generation and optimization of vascular roadmap images is need to achieve the full benefit of MR-guided procedure. MR angiographic roadmap imaging requires high signal-to-noise (SNR), good vascular-to-background contrast and short acquisition time. These requirements not only qualify the appropriate roadmaps for therapy, but also guide in the optimization of their acquisition parameters. We hypothesize that among the well established MR angiographic techniques, low-resolution phase-contrast (PC) images would prove satisfactory for vascular roadmap imaging. To verify this, four potential MR angiography techniques, specifically, time-of-flight, contrast-enhanced, phase-contrast and black-blood angiography, were explored for roadmap imaging using a canine model on a 3 T MR scanner. PC angiography was specifically performed to evaluate impact of key parameters on the SNR efficiency and vascular-to-background contrast efficiency in order to optimize the sequence for therapeutic use. Data were collected from five canines. Phase-contrast angiography was found to be most suitable for generating vascular roadmap for MR-guided endovascular therapy. It was also found that small acquisition matrix and large FOV produced satisfactory roadmap images provided that the size of the vessel of interest was more than a few times the in-plane pixel dimension. Also, reducing the phase encoding steps had minimal effect on vessel oriented parallel to the phase encode direction.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».