A rapid magnetic resonance acoustic radiation force imaging sequence for ultrasonic refocusing
Notice bibliographique
Résumé
Magnetic resonance guided acoustic radiation force imaging (MR-ARFI) is being used to correct for aberrations induced by tissue heterogeneities when using high intensity focusing ultrasound (HIFU). A compromise between published MR-ARFI adaptive solutions is proposed to achieve efficient refocusing of the ultrasound beam in under 10 min. In addition, an ARFI sequence based on an EPI gradient echo sequence was used to simultaneously monitor displacement and temperature with a large SNR and low distortion. This study was conducted inside an Achieva 3T clinical MRI using a Philips Sonalleve MR-HIFU system to emit a 1 ms pulsed sonication with duty cycle of 2.3% at 300 Wac inside a polymer phantom. Virtual elements defined by a Hadamard array with sonication patterns composed of 6 phase steps were used to characterize 64 groups of 4 elements to find the optimal phase of the 256 elements of the transducer. The 384 sonication patterns were acquired in 580 s to identify the set of phases that maximize the displacement at the focal point. Three aberrators (neonatal skull, 8 year old skull and a checkered pattern) were added to each sonication pattern to evaluate the performance of this refocusing algorithm (n = 4). These aberrators reduced the relative intensities to 95.3%, 69.6% and 25.5% for the neonatal skull, 8 year old skull, and checkered pattern virtual aberrators respectively. Using a 10 min refocusing algorithm, relative intensities of 101.6%, 91.3% and 93.3% were obtained. Better relative intensities of 103.9%, 94.3% and 101% were achieved using a 25 min refocusing algorithm. An average temperature increase of 4.2 °C per refocusing test was induced for the 10 min refocusing algorithm, resulting in a negligible thermal dose of 2 EM. A rapid refocusing of the beam can be achieved while keeping thermal effects to a minimum.
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 ».