TH-E-BRA-09: Radiation Induced Current Effects on MR Images from an Integrated Linac-MR System
Notice bibliographique
Résumé
Purpose: During the real-time MR image acquisition of an integrated linac/MRI system, the MRI's RF coils is exposed to pulsed radiation resulting in radiation induced currents (RIC). This work will: (a) visualize the RIC signal as artefacts in k-space and determine its effect on MRI's signal-to-noise ratio (SNR), (b) examine the effects of linac repetition rate (MU/minute) and MRI imaging sequence parameter ‘TR’ on the RIC artefact, (c) use post processing methods to remove the unwanted RIC signal from the MR images. Methods: A small test phantom was imaged with no radiation first. Phantom imaging was then repeated concurrently with linac producing radiation at various repetition rates in two scenarios: (1) the radiation beam was incident on the RF coil unobstructed and (2) a lead block attenuated the radiation beam before reaching the RF coil. Scenario (1) was repeated by obtaining images for several values of TR. Finally, a post-processing algorithm was applied to the corrupted MR k-space data to remove the RIC artefact. Results: The RIC artefact presented as near vertical lines in k-space data for integer ratios of TR to linac pulsing period (rate =180 Hz). For non-integer ratios, the artefact lost its regular pattern and became random in appearance. The RIC artefact disappeared from the k-space data when the linac's radiation was blocked. The image SNR decreased with increasing linac repetition rate. The post-processing method was successful in restoring a significant fraction of the lost image SNR. Conclusions: Signal spikes observed in the k-space data are confirmed to result from RIC. The SNR reduction in MRI images, due to the RIC, is directly related to the linac repetition rate. The artefact's appearance depends on the relationship between linac pulse repetition rate and image sequence timing. Our post-processing algorithm allows the recovery of the lost image SNR. The financial support is provided by the Canadian Institute of Health Research operating grant # MOP 93752.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».