MétaCan
Menu
Retour à la cohorte

Partial discrete Fourier transform (PDFT) multiband encoding

2001· article· en· W2005743045 sur OpenAlexafffund
Charles H. Cunningham, Jeffrey A. Stainsby, Graham A. Wright, Michael L. Wood

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2001
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of TorontoSunnybrook Health Science CentreHealth Sciences Centre
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEncoding (memory)Hadamard transformAlgorithmDiscrete Fourier transform (general)Fourier transformComputer sciencePhase (matter)Sensitivity (control systems)Fast Fourier transformFourier analysisPhysicsMathematicsArtificial intelligenceFractional Fourier transformMathematical analysisElectronic engineering

Résumé

récupéré en direct d'OpenAlex

For conventional multiband encoding techniques such as Hadamard encoding, scan time scales linearly with the number of slices encoded simultaneously. In this work, a new multiband encoding technique called partial discrete Fourier transform (PDFT) encoding is introduced, which overcomes this restriction. This technique incorporates the principle of partial Fourier imaging, allowing the tradeoff of SNR and imaging time without changing the number of slices. The theory behind PDFT encoding and its inherent sensitivity to phase errors are outlined. The theory was validated through simulations, showing that phase errors result in degraded slice localization. The feasibility of PDFT encoding of 12 slices was tested with experimental excitation profile measurements and heart images of a human subject using commercial MRI equipment. Imaging time was reduced to 66% with SNR reduced to 82%. Magn Reson Med 45:118-127, 2001.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,025
Tête enseignante GPT0,335
Écart entre enseignants0,310 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations4
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

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