Magnetic Resonance Navigation of a Bead Inside a Three-Bifurcation PMMA Phantom Using an Imaging Gradient Coil Insert
Notice bibliographique
Résumé
This paper reports the successful navigation of a 1-mm Chrome-Steel bead along three consecutive polymethyl methacrylate channels inside the bore of a 1.5-T magnetic resonance imaging (MRI) scanner. The bead traveled at a mean velocity of 14 cm·s-1. This was accomplished using an imaging gradient coil (IGC) insert located inside the MRI tube. While targeting one side of a bifurcation has been previously demonstrated using unidirectional gradient coils, this is the first time that magnetic resonance navigation (MRN) of a bead along consecutive channels is reported. Experimental results confirm that a clinical regular MRI can be used to propel a 1-mm device. In addition, when used at maximum power, IGC temperature rise becomes a serious issue that can ultimately damage the insert and limit the overall performance. Consequently, this paper aims to give some insight into coil temperature management for IGC-assisted procedures. A 33-min thermal stress test was carried out using 100% of the IGC power. Steady-state oscillation can be reached by interleaving propulsion periods with cooling periods, thus enabling longer propulsion procedures. Experimental data showed that the cooling time can be used for imaging purposes with no performance loss, thus enabling MRN-assisted procedures with multiplexed particle distribution assessment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».