Highly accelerated MRI by skipped phase encoding and edge deghosting with array coil enhancement (SPEED‐ACE)
Notice bibliographique
Résumé
The fast MRI method of skipped phase encoding and edge deghosting (SPEED) is further developed with array coil enhancement, and thus is termed SPEED-ACE. In SPEED-ACE, k space is sparsely sampled with skipped phase encoding at every Nth step using a set of receiver coils simultaneously, similar to SENSE, leading to sensitivity-weighted images with up to N layers of overlapping aliasing ghosts. The ghosted images are edge enhanced by a differential filter to yield ghosted edge maps, in which the ghost overlapping layers are greatly reduced since the sparseness of edges reduces the chance of ghost overlapping. Typical ghosted edge maps can be adequately modeled with a double-layer structure. By using data from at least three coils through least-square-error minimization, a deghosted edge map is obtained and inverse-filtered into a final deghosted image. In this way, SPEED-ACE partially samples k space with a skip size of N by using multiple receiver coils in parallel, and obtains a fairly good deghosted image with an undersampling factor of N. SPEED-ACE is not limited to the double-layer ghost model, but can be generalized to include more layers of ghosts for more flexible and improved performance. As a new parallel imaging method, SPEED-ACE was tested using in vivo data to demonstrate the possibility of achieving undersampling factors even greater than the number of receiver coils, which is so far not achievable by other parallel imaging methods.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».