MétaCan
Menu
Retour à la cohorte
Enregistrement W2136033789 · doi:10.1109/tmi.2010.2078513

Radio-Frequency Current Density Imaging Based on a 180$^\circ$ Sample Rotation With Feasibility Study of Full Current Density Vector Reconstruction

2010· article· en· W2136033789 sur OpenAlexaff
Dinghui Wang, Weijing Ma, T.P. DeMonte, Adrian Nachman, M.L.G. Joy

Notice bibliographique

RevueIEEE Transactions on Medical Imaging · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrical and Bioimpedance Tomography
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCurrent (fluid)Current densitySample (material)Rotation (mathematics)Iterative reconstructionRadio frequencyNuclear magnetic resonancePhysicsComputer scienceArtificial intelligenceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Radio-frequency current density imaging (RF-CDI) is a technique that noninvasively measures current density distributions at the Larmor frequency utilizing magnetic resonance imaging. Previously implemented RF-CDI methods reconstruct the applied current density component J(z) along the static magnetic field of the imager [(B)\vec](0) (the z direction) based on the assumption that the z-directional change of the magnetic field component H(z) can be ignored compared to J(z). However, this condition may be easily violated in biomedical applications. We propose a new reconstruction method for RF-CDI, which does not rely on the aforementioned assumption. Instead, the sample is rotated by 180 (°) in the horizontal plane to collect magnetic resonance data from two opposite positions. Using simulations and experiments, we have verified that this approach can fully recover one component of current density. Furthermore, this approach can be extended to measure three dimensional current density vectors by one additional sample orientation in the horizontal plane. We have therefore demonstrated for the first time the feasibility of imaging the magnitude and phase of all components of a radio-frequency current density vector field.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,872
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,249
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Medical ImagingMême sujetElectrical and Bioimpedance TomographyTravaux en français237 207