MétaCan
Menu
← Retour à la cohorte
Enregistrement W2052554127 · doi:10.1118/1.4889212

MO‐G‐18C‐01: BEST IN PHYSICS (IMAGING) – Novel Correction of Signal Modulation and Motion Artifacts in Temporal Bone BSSFP MRI

2014· article· en· W2052554127 sur OpenAlexaff
Michael N. Hoff, Qing Xiang, Gregory J. Wilson, Jalal B. Andre

Notice bibliographique

RevueMedical Physics · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésVoxelSIGNAL (programming language)ScannerComputer scienceMagnetic resonance imagingArtifact (error)Computer visionDynamic imagingPixelArtificial intelligencePhysicsBiomedical engineeringImage processingMedicineRadiologyDigital image processingImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Purpose: Phase cycled balanced steady state free precession (bSSFP) magnetic resonance (MR) images demonstrate high contrast in the temporal bone region, but are limited by motion artifacts stemming from globe motion, CSF and carotid artery pulsation, and by signal loss/modulation typical of bSSFP imaging of complex tissue environments. We sought to generate images delineating the fine morphology of temporal bone structures while minimizing signal loss and motion artifacts. Methods: Four axial 3D bSSFP MR images with Δθ = 0°, 90°, 180°, and 270° phase cycling respectively were acquired with a Philips Ingenia 3T MRI scanner in 2.3 minutes of total scan time. Other parameters included a 30° flip angle applied with a transmit/receive radiofrequency head coil, TE/TR = 4.2/2.1ms, receiver bandwidth = 890 Hz/pixel, and 180/180/120 matrix size and 1/1/1 mm voxel size along frequency/phase/slice directions. Complex image data were input into the Geometric Solution (GS) algorithm for calculation of artifact‐free bSSFP signal on a pixel‐by‐pixel basis. SNR was improved by linearizing the solution in a second‐pass regional optimization. Results: The GS eliminated the bSSFP signal intensity modulations while minimizing motion artifacts present in the original four images. The efficacy of the GS is validated through comparison with a complex average of the four original bSSFP images; unlike the GS, the complex average only moderates artifacts. Conclusion: The GS represents a novel method of correcting bSSFP MRI signal modulation and motion artifacts while maintaining contrast near the temporal bone. The technique is fast, easy to implement, and requires minimal post‐processing. This technique may inspire early clinical adoption, as it overcomes two major artifactual obstacles which have historically limited the widespread use of bSSFP MRI.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
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
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,297
Écart entre enseignants0,277 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Physics→Même sujetAdvanced MRI Techniques and Applications→Travaux en français237 207→