Sci-Thur PM: YIS - 06: Effect of the k-space sampling pattern on the MTF of compressed sensing MRSI
Notice bibliographique
Résumé
Compressed Sensing MRSI (CS-MRSI) offers the ability to accelerate MRSI sequences while suffering minimal artifacts compared to conventional fast MRSI techniques. CS-MRSI exploits the inherent sparsity of MRSI images and incoherent artifacts of pseudo-random sub-Nyquist sampling of k-space combined with non-linear reconstruction to produces MRSI images. CS-MRSI can be used as an acceleration tool to decrease the scan time while maintaining acceptable spatial definition or to enable the acquisition of higher resolution scans while minimizing the associated time penalty. In this work we adopt the compressed sensing technique to accelerate a clinically relevant 2-D point resolved spectroscopy sequence. However, the process of weighing the cost and benefit of applying such a fast imaging technique is complicated due to the unique non-linear nature of the reconstruction process and has largely relied on qualitative assessments. Moreover, pseudo-random sub-Nyquist sampling of k-space can have unwanted effects on the modulation transfer function. In this work we set out to quantify the loss in image quality associated with CS-MRSI. We used simulations of a phantom based method to investigate the MTF behaviour of CS-MRSI with regard to different k-space sampling patterns. As expected, the k-space sampling patterns tested were found to have a direct effect on the MTFs. Moreover, limiting the deviation of the resulting k-space sampling pattern from the prescribed probability distribution function had a positive effect on the MTF overall. Not only was low-resolution response improved, but we also noticed an improvement of ∼ 26% in resolution at 0.1 MTF.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».