Analysis of circumferential shielding as a methodto decouple radiofrequency coils for high‐field MRI
Notice bibliographique
Résumé
Abstract Reducing the impact of mutual coupling in magnetic resonance imaging (MRI) radiofrequency (RF) coil transmit/receive arrays constitutes a serious design challenge. Recently, it has been shown that mutual coupling in such arrays can be significantly reduced by circumferentially shielding the individual array elements. For such a decoupling method to be optimized and readily incorporated into future array designs, comprehensive analysis of the shield's effect on overall element and array performance is required. This study is focused on methodically analyzing this decoupling method to determine the effect of shielding geometry on overall coil performance in high‐field MRI. To this end, experiments on a 7‐Tesla MRI system, as well as full‐wave electromagnetic simulations, were performed and performance metrics, such as Q ‐factor, power efficiency, transmit power, signal‐to‐noise ratio (SNR), and specific absorption rate (SAR), were investigated for different coil/shield configurations. Differences in the geometry of a RF coil and its respective shield resulted in an increase in peak SNR of up to 40% compared to an unshielded coil. This was concurrent with a 2–4 dB reduction in the required transmit power to produce a given flip angle and a 25% reduction in peak local SAR compared to the unshielded coil. Coupling between adjacent loaded coils was strongly influenced by the coil/shield geometry and ranged from –6.5 to –22.1 dB. Based upon the analysis presented herein, example coil‐array designs are provided and have been optimized for either peripheral or whole‐brain imaging. © 2013 Wiley Periodicals, Inc. Concepts Magn Reson Part B (Magn Reson Engineering) 43B:11–21, 2013
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) | 0,002 | 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 ».