MétaCan
Menu
Retour à la cohorte
Enregistrement W2059189228 · doi:10.1002/mrm.21132

Partial <i>k</i>‐space reconstruction in single‐shot diffusion‐weighted echo‐planar imaging

2007· article· en· W2059189228 sur OpenAlexafffund
Pippa Storey, Fred J. Frigo, R. Scott Hinks, Bryan J. Mock, B. Collick, Nicole Baker, Jonathan Marmurek, Simon J. Graham

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensUniversity of TorontoHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEcho (communications protocol)Direct-conversion receiverk-spacePhysicsArtifact (error)PlanarEcho-planar imagingSampling (signal processing)Truncation (statistics)Homodyne detectionNuclear magnetic resonanceOpticsComputer visionComputer scienceMagnetic resonance imagingFourier transformDetector

Résumé

récupéré en direct d'OpenAlex

Partial k-space sampling is frequently used in single-shot diffusion-weighted echo-planar imaging (DW-EPI) to reduce the TE and thereby improve the SNR. However, it increases the sensitivity of the technique to bulk rotational motion, which introduces a phase gradient across the tissue that shifts the echo in k-space. If the echo is displaced into the high spatial frequencies, conventional homodyne reconstruction fails, causing intensity oscillations across the image. Zero-padding, on the other hand, compromises the image resolution and may cause truncation artifacts. We present an adaptive version of the homodyne algorithm that detects the location of the echo in k-space and adjusts the center and width of the homodyne filters accordingly. The adaptive algorithm produces artifact-free images when the echo is shifted into the high positive k-space range, and reduces to the standard homodyne algorithm in the absence of bulk motion.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,530
Score d'incertitude au seuil0,807

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,042
Tête enseignante GPT0,329
Écart entre enseignants0,287 · 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 tête enseignante, 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

Citations49
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

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