Experimental determination of human peripheral nerve stimulation thresholds in a 3‐axis planar gradient system
Notice bibliographique
Résumé
In MRI, strong, rapidly switched gradient fields are desirable because they can be used to reduce imaging time, obtain images with better resolution, or improve image signal-to-noise ratios. Improvements in gradient strength can be made by either increasing the gradient amplifier strength or by enhancing gradient efficiency. Unfortunately, many MRI pulse sequences, in combination with high-performance amplifiers and existing gradient hardware, can cause peripheral nerve stimulation (PNS). This makes improvements in gradient amplifiers ineffective at increasing safely usable gradient strength. Customized gradient coils are one way to achieve significant improvements in gradient performance. One specific gradient configuration, a planar gradient system, promises improved gradient strength and switching time for cardiac imaging. The PNS thresholds for planar gradients were characterized through human stimulation experiments on all three gradient axes. The specialized gradient was shown to have significantly higher stimulation thresholds than traditional cylindrical designs (y-axis SR(min) = 210 +/- 18 mT/m/ms and DeltaG(min) = 133 +/- 13 mT/m; x-axis SR(min) = 222 +/- 24 mT/m/ms and DeltaG(min) = 147 +/- 17 mT/m; z-axis SR(min) = 252 +/- 26 mT/m/ms and DeltaG(min) = 218 +/- 26 mT/m). This system could be operated at gradient strengths 2 to 3 times higher than cylindrical configurations without causing stimulation.
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) | 0,000 | 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 ».