WE‐C‐116‐06: Reducing the Background Field Variations Using the Geometry Information
Notice bibliographique
Résumé
Purpose: To demonstrate a new approach for reducing background phase variations in the susceptibility weighted image (SWI)[1]. Methods: In order to perform this experiment, we acquired high resolution sagittal 3D SWI images of the left leg. Background phase variations were removed to significantly reduce the phase due to the geometry and improve the data quality. This was done using forward modeling approach to simulate phase generated only due to the geometry of the leg [2–5]. Results: The collected data indicated that the phase effects due to the background are very large, so we used forward modeling approach to remove the unwanted phase variations in the image background. This approach uses a kernel described by the Green's function in k‐space to generate point dipole effects across the tissues using its magnetic susceptibility properties. The data resulting from this technique gave us improved phase images and also helped in collecting water‐fat out of phase information using complex division of flow compensated (FC) 5.2ms and 6.5ms data sets. To further see the potential of this technique, we complex divided the FC 7.8ms and not FC 7.8ms data sets resulting in data with direct flow information. Conclusion: We have demonstrated that using a homodyne high‐pass filter alone does not remove the phase due to the geometry. Using the proposed novel technique we were able to significantly reduce the phase due to the geometry and improve the quality of the data for further analysis of water and fat separation as well as visualizing veins. The remaining weakness of this method is that the veins appear as fat in the muscle part of the image but the next step in this processing is to due susceptibility mapping which will then remove the veins and leave a pristine fat map. We are currently evaluating this approach.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,002 | 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 ».