Compressed‐sensing motion compensation (CosMo): A joint prospective–retrospective respiratory navigator for coronary MRI
Notice bibliographique
Résumé
Prospective right hemidiaphragm navigator (NAV) is commonly used in free-breathing coronary MRI. The NAV results in an increase in acquisition time to allow for resampling of the motion-corrupted k-space data. In this study, we are presenting a joint prospective-retrospective NAV motion compensation algorithm called compressed-sensing motion compensation (CosMo). The inner k-space region is acquired using a prospective NAV; for the outer k-space, a NAV is only used to reject the motion-corrupted data without reacquiring them. Subsequently, those unfilled k-space lines are retrospectively estimated using compressed sensing reconstruction. We imaged right coronary artery in nine healthy adult subjects. An undersampling probability map and sidelobe-to-peak ratio were calculated to study the pattern of undersampling, generated by NAV. Right coronary artery images were then retrospectively reconstructed using compressed-sensing motion compensation for gating windows between 3 and 10 mm and compared with the ones fully acquired within the gating windows. Qualitative imaging score and quantitative vessel sharpness were calculated for each reconstruction. The probability map and sidelobe-to-peak ratio show that the NAV generates a random undersampling k-space pattern. There were no statistically significant differences between the vessel sharpness and subjective score of the two reconstructions. Compressed-sensing motion compensation could be an alternative motion compensation technique for free-breathing coronary MRI that can be used to reduce scan time.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».