SU‐E‐I‐129: Determining the Cramer‐Rao Lower Bound in Magnetic Resonance Imaging
Notice bibliographique
Résumé
Purpose: Maximizing the signal‐to‐noise ratio (SNR) and/or contrast‐to‐ noise ratio (CNR) is very frequently the primary goal when designing new imaging protocols or when choosing from among several magnetic resonance (MR) imaging methods that give similar physiological measurements. In both cases, minimization of the noise inherent in the reconstructed image becomes the key goal. By optimizing with the Cramer‐ Rao Lower Bound (CRLB), a best achievable case of variance can be found in the unbiased estimator sense and, ranges can be found were biased estimators improve upon the CRLB. Methods: We perform derivations of the MR image channel in order to find the best case of the CRLB. Simulations with a digital brain phantom, using ideal parameters, are then performed and matched with the derivation. In addition, simulations with distortions from the B0 field, B1 field, gradient field and receiver coil sensitivity profiles were also performed to define the CRLB in the presence of machine imperfections. Results: From the derivation and simulation, we showed an increase in data variance of greater then 1000× when distortions from common machine imperfections are present. Using the derived CRLB value is not a suitable benchmark to compare biased estimators as the value is much lower then what is achieved practically. Conclusions: We have demonstrated in this work that improving upon the best case CRLB is not a reasonable goal, rather we should be focused upon achieving estimates that are 1000× times greater then the derived CRLB. This work allows us to find the bound where we may choose to switch from conventional FFT reconstruction to alternative methods, resulting in lower data variance.
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 | 0,006 | 0,028 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».