MétaCan
Menu
Retour à la cohorte
Enregistrement W2168784273 · doi:10.1109/tmi.2005.848375

Nonlinear phase correction with an extended statistical algorithm

2005· article· en· W2168784273 sur OpenAlexaff
Zheng Chang, Qing‐San Xiang

Notice bibliographique

RevueIEEE Transactions on Medical Imaging · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPixelAlgorithmNonlinear systemPolynomialAutocorrelationMathematicsTaylor seriesComputer sciencePhysicsArtificial intelligenceMathematical analysis

Résumé

récupéré en direct d'OpenAlex

This paper presents a new magnetic resonance imaging (MRI) phase correction method. The linear phase correction method using autocorrelation proposed by Ahn and Cho (AC method) is extended to handle nonlinear terms, which are often important for polynomial expansion of phase variation in MRI. The polynomial coefficients are statistically determined from a cascade series of n-pixel-shift rotational differential fields (RDFs). The n-pixel-shift RDF represents local vector rotations of a complex field relative to itself after being shifted by n pixels. We have found that increasing the shift enhances the signal significantly and extends the AC method to handle higher order nonlinear phase error terms. The n-pixel-shift RDF can also be applied to improve other methods such as the weighted least squares phase unwrapping method proposed by Liang. The feasibility of the method has been demonstrated with two-dimensional (2-D) in vivo inversion-recovery MRI data.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,997
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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,357
Écart entre enseignants0,345 · 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
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

Citations10
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

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