MétaCan
Menu
Retour à la cohorte
Enregistrement W2016697944 · doi:10.1016/j.carj.2009.02.036

Parallel Imaging Artifacts in Body Magnetic Resonance Imaging

2009· review· en· W2016697944 sur OpenAlexaff
Patricia Noël, Roland Bammer, Caroline Reinhold, Masoom A. Haider

Notice bibliographique

RevueCanadian Association of Radiologists Journal · 2009
Typereview
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of TorontoUniversity Health NetworkHôtel-Dieu de QuébecMcGill UniversityMontreal General HospitalUniversité LavalMount Sinai Hospital
Organismes subventionnairesNational Institute of Biomedical Imaging and Bioengineering
Mots-clésImage qualityMagnetic resonance imagingMedicineComputer scienceImage resolutionComputer visionArtificial intelligenceImage (mathematics)Radiology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To familiarize the reader with the fundamental concepts of partial parallel imaging (PPI); to review the technical aspects of PPI including calibration scan, coil geometry, and field of view (FOV); and to illustrate artifacts related to parallel imaging and describe solutions to minimize their negative impact. RESULTS: PPI has led to a significant advance in body magnetic resonance imaging by reducing the time required to generate an image without loss of spatial resolution. Although PPI can improve image quality, it is not free of artifacts, which can result in significant image degradation. Knowledge of these artifacts and how to minimize their effect is important to optimize the use of parallel imaging for specific body magnetic resonance imaging applications. CONCLUSIONS: The reader will be introduced to the fundamental principles of PPI. Common imaging characteristics of PPI artifacts will be displayed with an emphasis on those seen with image-based methods, the principles behind their generation presented, and measures to minimize their negative impact will be proposed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,334
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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Association of Radiologists JournalMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207