MétaCan
Menu
← Retour à la cohorte
Enregistrement W2468324239 · doi:10.1118/1.4957650

TU‐H‐206‐05: Investigating the Resistance of GS‐BSSFP to Motion Artifacts

2016· article· en· W2468324239 sur OpenAlexaff
Michael N. Hoff, Jalal B. Andre, Qing Xiang

Notice bibliographique

RevueMedical Physics · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésScannerNoise (video)PhysicsNuclear magnetic resonanceComputer scienceOpticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Purpose: In addition to correcting magnetic field inhomogeneity‐induced banding artifacts in balanced steady state free precession (bSSFP) MRI, preliminary in vivo studies indicate that the geometric solution (GS) also mitigates motion artifacts. The purpose here is to investigate the source of motion artifact correction through simulations, to further ascertain GS‐bSSFP's clinical potential. Methods: Four bSSFP MR images with Δθ = 0°, 90°, 180°, and 270° respective phase cycling and TE/TR = 4.2/2.1ms were 1) acquired in vivo with a 3D axially‐oriented sequence on a Philips Ingenia 3T MRI scanner using a flip angle α = 30°, and 180/180/120 matrix size and 1.0/1.0/1.0mm voxel size along frequency/phase/slice directions, and 2) simulated using α = 80°, parameters varied across the field‐of‐view (T1 relaxation = 200–>3000ms, T2 relaxation = 40‐>3000ms, and field inhomogeneity θ = −π−>+π), and added zero‐mean Gaussian noise. The GS (the cross‐point of lines/spokes connecting alternating phase cycles in the complex plane) and complex sum (CS) were computed pixel‐by‐pixel. Simulated data noise was reoriented in each associated spoke's frame of reference in order to derive the noise radiality. Plots were then generated of GS and CS error and deviation as a function of the noise radiality in the original data. Results: In vivo data indicates that the GS mitigates motion artifacts relative to the CS in the foramen magnum region. Simulated data indicates that the GS has less error in size and deviation than the CS, and this discrepancy grows as noise radiality increases. Conclusion: The GS shows more accuracy than the CS in all tests executed, especially as phasecycled image noise radiality increases. This implies that noise‐like image artifacts such as those caused by motion and flow are suppressed by the GS, inspiring clinical applications of GS‐bSSFP given its additional elimination of banding artifacts.

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)0,002
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,033
Tête enseignante GPT0,328
Écart entre enseignants0,295 · 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 revueMedical Physics→Même sujetAdvanced MRI Techniques and Applications→Travaux en français237 207→