MétaCan
Menu
Retour à la cohorte
Enregistrement W2166847927 · doi:10.1109/42.875186

An inverse problem approach to the correction of distortion in EPI images

2000· article· en· W2166847927 sur OpenAlexaff
E. P. Münger, G.R. Crelier, Terry M. Peters, G. Bruce Pike

Notice bibliographique

RevueIEEE Transactions on Medical Imaging · 2000
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensWestern UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésImaging phantomDistortion (music)Encoding (memory)Inverse problemConjugate gradient methodEcho-planar imagingIterative reconstructionPlanarAlgorithmMathematicsComputer sciencePhysicsArtificial intelligenceMagnetic resonance imagingMathematical analysisOptics

Résumé

récupéré en direct d'OpenAlex

Magnetic resonance imaging using the echo planar imaging (EPI) technique is particularly sensitive to main (B0) field inhomogeneities. The primary effect is geometrical distortion in the phase encoding direction. In this paper, we present a method based on the conjugate gradient algorithm to correct for this geometrical distortion, by solving the EPI imaging equation. Two versions are presented: one that attempts to solve the full four-dimensional (4-D) imaging equation, and one that independently solves for each profile along the blip encoding direction. Results are presented for both phantom and in vivo brain EPI images and compared with other proposed correction methods.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,012
Tête enseignante GPT0,303
Écart entre enseignants0,291 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations75
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Medical ImagingMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207