Efficient multichannel coil data compression: A prospective study for distributed detection in wireless high‐density arrays
Notice bibliographique
Résumé
Abstract Wireless links have been proposed to connect magnetic resonance (MR) array receiver coils to the rest of the system to eliminate the safety and cross‐talk issues encountered using coaxial cables. Analog transmission methods are unsuited because of limited dynamic range and noise figure; therefore, fully independent individual digital receiver modules must be developed. Limited data rates supported by wireless links restrict the number of coil channels that can be transmitted to well below those of the state‐of‐the‐art high‐density arrays that would benefit the most from wireless technology. Two independent methods of compressing MR data prior to transmission are presented that when combined can readily reduce it to one‐third or less of the original amount with negligible impact on image quality parameters such as artifact power (AP) and signal‐to‐noise ratio (SNR). These conservative results were obtained from arrays of six to 16 channels which is typical of today's clinical systems and show that compression efficiency improves with increasing channel density. Simulated and experimental 2D spiral data acquired from a standard head array at 3 tesla was used to evaluate AP as a function of compression by off‐line processing. Spectral compression reduces the acquired data by up to 45% using dynamic demodulation, filtering and decimation. Dynamic range compression followed by bit‐depth reduction further reduces the data by up to 37.5% without visible image artifacts. Image SNR improves 1–25% at the periphery of the field‐of‐view (FOV) due to spectral compression, while dynamic range compression results in a uniform SNR gain of 4–8% over the whole FOV. © 2011 Wiley Periodicals, Inc. Concepts Magn Reson Part B (Magn Reson Engineering) 39B: 64–77, 2011
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 ».