MétaCan
Menu
Retour à la cohorte
Enregistrement W2055258862 · doi:10.1002/mrm.20185

Pulsatile motion effects on 3D magnetic resonance angiography: Implications for evaluating carotid artery stenoses

2004· article· en· W2055258862 sur OpenAlexaff
Osama Sam Al-Kwifi, Jae K. Kim, Jeff A Stainsby, Yuexi Huang, Marshall S. Sussman, Richard Farb, Graham A. Wright

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésPulsatile flowMagnetic resonance angiographyMagnetic resonance imagingCardiac cycleUltrasoundCarotid arteriesRadiologyMedicineCardiology

Résumé

récupéré en direct d'OpenAlex

In-plane carotid artery motion during a 3D MR angiography (MRA) scan can significantly degrade the resulting image resolution. This study characterizes the effect of cardiac pulsatility on 3D contrast-enhanced (CE) MRA with elliptical centric acquisitions using a point-spread function (PSF) analysis. Internal carotid artery (ICA) motion was collected from volunteers and patients using both MR and ultrasound (US) scans. After measuring the carotid artery motion displacement, a simulation was performed which calculated the blurring effects for three different protocols: nongated and two different cardiac gating schemes. The motion sensitivity of each protocol was evaluated for different spatial resolutions. The selection of optimal imaging parameters for a given scan time was investigated. The final results showed that cardiac-gated acquisitions only over a limited region of k-space high spatial frequencies are more time-efficient than cardiac gating for the entire k-space, as it allows for higher resolutions to be achieved and for capturing the arterial phase with low spatial frequencies. Selecting the optimal gating parameters depends directly on the motion characteristics of each individual. Our initial clinical experience is presented, and the need for a real-time tool that characterizes motion behavior for each individual as a prescan protocol is discussed.

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)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,031
Tête enseignante GPT0,351
Écart entre enseignants0,320 · 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'étudeObservationnel
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

Citations15
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207