Direct measurement of magnetic field gradient waveforms
Notice bibliographique
Résumé
Abstract As eddy currents increase with gradient amplitude and faster slew rate, they have become a greater problem with the advent of higher‐performance gradients in modern MRI scanners. Success in eddy current reduction techniques such as active gradient shielding and waveform pre‐emphasis, however, require that the residual eddy currents must be measured with high accuracy for image improvement. Traditional MR based gradient calibration techniques, whether based on an entire FID or a gradient echo, measure the integral of gradient waveforms. We have however previously proposed a different category of methods, which employ pure phase encode FIDs and have proven advantageous in directly measuring the gradient waveforms. In this article, we review the basis of these pure phase encode methods. In keeping with the instructional nature of CMRA, we undertake this review by describing specific experiments and the line of the thought behind the experiments. The pure phase encode approach is sensitive to low amplitude gradients (0.001–1 G/cm), and also permits measurement of high amplitude gradients (10–300 G/cm). The inverse Fourier transform permits ready understanding of these pure phase encode methods. The accuracy of pure phase encode gradient measurement is significantly improved by a multiple FID point acquisition, which permits high temporal resolution of the gradient waveform. The accuracy of gradient measurements is also analyzed and improved through elimination of potential artifacts. As one example of the capability of these methods, waveform measurements were undertaken to reduce the repetition time TR for centric scan SPRITE experiments. © 2010 Wiley Periodicals, Inc. Concepts Magn Reson Part A 36A: 349–360, 2010.
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) | 0,001 | 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 ».