Diagnostic quality assessment of compressed sensing accelerated magnetic resonance neuroimaging
Notice bibliographique
Résumé
PURPOSE: To determine the efficacy of compressed sensing (CS) reconstructions for specific clinical magnetic resonance neuroimaging applications beyond more conventional acceleration techniques such as parallel imaging (PI) and low-resolution acquisitions. MATERIALS AND METHODS: Raw k-space data were acquired from five healthy volunteers on a 3T scanner using a 32-channel head coil using T2 -FLAIR, FIESTA-C, time of flight (TOF), and spoiled gradient echo (SPGR) sequences. In a series of blinded studies, three radiologists independently evaluated CS, PI (GRAPPA), and low-resolution images at up to 5× accelerations. Synthetic T2 -FLAIR images with artificial lesions were used to assess diagnostic accuracy for CS reconstructions. RESULTS: CS reconstructions were of diagnostically acceptable quality at up to 4× acceleration for T2 -FLAIR and FIESTA-C (average qualitative scores 3.7 and 4.3, respectively, on a 5-point scale at 4× acceleration), and at up to 3× acceleration for TOF and SPGR (average scores 4.0 and 3.7, respectively, at 3× acceleration). The qualitative scores for CS reconstructions were significantly better than low-resolution images for T2 -FLAIR, FIESTA-C, and TOF and significantly better than GRAPPA for TOF and SPGR (Wilcoxon signed rank test, P < 0.05) with no significant difference found otherwise. Diagnostic accuracy was acceptable for both CS and low-resolution images at up to 3× acceleration (area under the ROC curve 0.97 and 0.96, respectively.) CONCLUSION: Mild to moderate accelerations are possible for those sequences by a combined CS and PI reconstruction. Nevertheless, for certain sequences/applications one might mildly reduce the acquisition time by appropriately reducing the imaging resolution rather than the more complicated CS reconstruction. J. Magn. Reson. Imaging 2016;44:433-444.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».