MétaCan
Menu
Retour à la cohorte
Enregistrement W2038277297 · doi:10.1118/1.3583814

Spin‐history artifact during functional MRI: Potential for adaptive correction

2011· article· en· W2038277297 sur OpenAlexaff
Sadie E. Yancey, David Rotenberg, Fred Tam, Mark Chiew, Shawn Ranieri, Labonny Biswas, Kevan Anderson, Shawn Baker, Graham A. Wright, Simon J. Graham

Notice bibliographique

RevueMedical Physics · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensBaycrest HospitalHealth Sciences CentreProfound Medical (Canada)University of TorontoHeart and Stroke FoundationSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésArtifact (error)Imaging phantomComputer scienceComputer visionArtificial intelligenceSIGNAL (programming language)Functional magnetic resonance imagingAmplitudeMagnetic resonance imagingPhysicsNuclear magnetic resonanceOpticsMedicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Functional magnetic resonance imaging (fMRI) is limited by sensitivity to millimetre-scale head motion. Adaptive correction is a strategy to adjust the imaging plane in response to measured head motion, thereby suppressing motion artifacts. This strategy should correct for motion in all six degrees of freedom and also holds promise for through-plane motion that creates "spin-history" artifact that cannot easily be removed by postprocessing methods. Improved quantitative understanding of the MRI signal behavior associated with spin-history artifact would be useful for implementing adaptive correction robustly. METHODS: A numerical simulation was developed to predict MRI artifact signal amplitude in a single-slice for simple motions, implemented with and without adaptive correction, and compared with experiment by imaging a phantom at 3.0 T. Functional MRI was also performed of a human volunteer to illustrate adaptive correction in the presence of spin-history artifact. RESULTS: Good agreement was achieved between simulation and experimental results. Although time-averaged artifact signal amplitude was observed to correlate linearly with motion speed, artifact time-courses were nonlinearly related to motion waveforms. In addition, experimental results demonstrated effective adaptive correction of spin-history artifact when the phantom underwent complex motions. Adaptive correction during human fMRI suppressed spin-history artifacts and spurious activations associated with task-correlated motion. CONCLUSIONS: Overall, this work suggests that adaptive correction, especially when implemented with minimal lag between motion measurement and scan plane update, may help to expand the populations for which fMRI can be performed robustly.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,047
Tête enseignante GPT0,286
Écart entre enseignants0,239 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations51
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207