MétaCan
Menu
Retour à la cohorte
Enregistrement W2465236777 · doi:10.5430/jbgc.v6n2p7

Evaluation of magnetic field homogeneity using in-out signal cycle mapping in gradient recalled echo images of a mixed water/oil phantom as a rough indication for daily quality control

2016· article· en· W2465236777 sur OpenAlexvenueno aff
Yoshiyuki Ishimori, Hiraku Kawamura, Masahiko Monma

Notice bibliographique

RevueJournal of Biomedical Graphics and Computing · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHomogeneity (statistics)Imaging phantomScannerMathematicsPixelNuclear magnetic resonanceMaterials scienceNuclear medicineOpticsPhysicsMedicineStatistics

Résumé

récupéré en direct d'OpenAlex

Objective: Magnetic field (B 0 ) homogeneity is important for the performance of a magnetic resonance imaging (MRI) system. Traditionally, B 0 homogeneity was measured using the spectral peak or phase-mapping methods. However, these procedures are not generally accessible to the MRI operator and are rarely performed routinely. This study proposes a novel method for measuring B 0 homogeneity that can be implemented in daily quality control (QC). Methods: When a uniformly mixed water/oil phantom was imaged using a gradient recalled echo (GRE) pulse sequence, the signal intensity dynamically changed with echo time (TE). From this, the resonant frequency was calculated with a simplex curve-fitting algorithm on a pixel-by-pixel basis. The standard deviation of resonant frequency (SD) was used as the index of B 0 homogeneity. The appropriate TE pattern and feasibility of B 0 homogeneity evaluation were examined. Results: Over seven TEs (choosing nominal in-phase, out-phase, and the midpoints of both) were required to measure stable SD in a 1.5-T scanner. As B 0 homogeneity worsened, the SD became larger at the off-center position. Although a positive correlation was observed with the width of the spectral peak obtained by the phase-difference method, the SD value was about 5 × 10 4 times greater. Therefore, SD can be used only as an index of B 0 homogeneity. Similar results were obtained using a 0.3-T scanner. A map and SD can be obtained by acquiring several GRE images of a water/oil mixed phantom within a few minutes. Conclusions: In-out signal cycle mapping can be easily implemented for daily QC in all MRI scanners.

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)0,002
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,049
Tête enseignante GPT0,372
Écart entre enseignants0,323 · 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
GenreEmpirique

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

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Graphics and ComputingMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207