The effects of magnetic field distortion on the accuracy of passive device localization frames in MR imaging
Notice bibliographique
Résumé
PURPOSE: The interventional magnetic resonance (MR) imaging environment presents many challenges for the accurate localization of interventional devices. In particular, geometric distortion of the static magnetic field may be both appreciable and unpredictable. This paper aims to quantify the sensitivity of localization error of various passive device localization frames to static magnetic field distortion in MR. METHODS: Three localization frames were considered based on having distinctly different methods of encoding position and orientation in MR images. For each frame, the effects of static field distortion were modeled, allowing rotational and translational errors to be computed as functions of the level of distortion, which was modeled using a first order approximation. Validation of the model was performed by imaging the localization frames in a 3T clinical MR scanner, and simulating the effects of static field distortion by varying the scanner's center frequency and gradient shim values. RESULTS: Plots of the rotational and translational components of error in localization frame position and orientation estimates are provided for ranges of uniform static field distortions of 1-100 μT and static field distortion gradients of 0.01-1 mT/m in all three directions. The theoretical estimates are in good agreement with the results obtained by imaging. CONCLUSIONS: The error in position and orientation estimation of passive localization frames in MR can be sensitive to static magnetic field distortions. The level of sensitivity, the type of error (i.e., rotational or translational), and the direction of error are dependent on the frame's design and the method used to image it. If 2D gradient echo imaging is employed, frames with position and orientation estimate sensitivity to slice-select error (such as the z-frame) should be avoided, since this source of error is not easily correctable. Accurate frame position and orientation estimates that are insensitive to static field distortion can be achieved using 2D gradient echo imaging if: (a) the method of determining position and orientation only uses in-plane measurements of marker positions, (b) the in-plane marker positions in images are not sensitive to slice-select error, and (c) methods of correcting in-plane error in the frequency-encoded direction are employed.
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 | 0,002 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».