Quantitative susceptibility mapping using a superposed dipole inversion method: Application to intracranial hemorrhage
Notice bibliographique
Résumé
PURPOSE: To investigate gradient-echo phase errors caused by intracranial hemorrhage (ICH) of low signal magnitude, and propose methods to reduce artifacts from phase errors in quantitative susceptibility mapping (QSM) of ICH. METHODS: Two QSM methods are proposed: (1) mask-inversion that masks the phase of low signal magnitude regions, and (2) ICH magnetic dipole field isolation followed by susceptibility superposition using multiple boundaries for background field removal. The reconstruction methods were tested in eight subjects with ICH using standard single-echo susceptibility-weighted imaging at 1.5 Tesla with 40 ms echo time. Different phase unwrapping algorithms were also compared. RESULTS: Significant phase errors were evident inside ICHs with low signal magnitude. The mask-inversion method recovered susceptibility of ICH in numerical simulation and minimized phase error propagation in patients with ICH. The additional superposed dipole inversion process substantially suppressed and constrained streaking artifacts in all subjects. Using the proposed superposition method, ICH susceptibilities measured from long and short echo times were similar. Laplacian based phase unwrapping substantially underestimated the ICH dipole field as compared to a path-based method. CONCLUSION: The proposed methods of mask-inversion as well as ICH isolation and superposition can substantially reduce artifacts in QSM of ICH. Magn Reson Med 76:781-791, 2016. © 2015 Wiley Periodicals, Inc.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».