A two‐step scheme for distortion rectification of magnetic resonance images
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The aim of this work is to demonstrate a complete, robust, and time-efficient method for distortion correction of magnetic resonance (MR) images. It is well known that MR images suffer from both machine-related spatial distortions [gradient nonlinearity and main field (B0) inhomogeneity] and patient-related spatial distortions (susceptibility and chemical shift artifacts), and growing interest in the area of MR-based radiotherapy treatment planning has put new requirements on the geometric accuracy of such images. The authors present a two-step method that combines a phantom-based reverse gradient technique for measurement of gradient nonlinearities and a patient-based phase difference mapping technique for measurement of B0 inhomogeneities, susceptibility, and chemical shift distortions. The phase difference mapping technique adds only minutes to the total patient scan time and can be used to correct a variety of images of the same patient and anatomy. The technique was tested on several different phantoms, each designed to isolate one type of distortion. The mean distortion was reduced to 0.2 +/- 0.1 mm in both gradient echo and spin echo images of a grid phantom. For the more difficult case of a highly distorted echo planar image, residual distortion was reduced to subvoxel dimensions. As a final step, the technique was implemented on patient images. The current technique is effective, time efficient, and robust and provides promise for preparing distortion-rectified MR images for use in MR-based treatment planning.
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.
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) | 0,000 | 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 découle