Robust universal nonrigid motion correction framework for first‐pass cardiac MR perfusion imaging
Notice bibliographique
Résumé
Purpose To present and assess an automatic nonrigid image registration framework that compensates motion in cardiac magnetic resonance imaging (MRI) perfusion series and auxiliary images acquired under a wide range of conditions to facilitate myocardial perfusion quantification. Materials and Methods Our framework combines discrete feature matching for large displacement estimation with a dense variational optical flow formulation in a multithreaded architecture. This framework was evaluated on 291 clinical subjects to register 1.5T and 3.0T steady‐state free‐precession (FISP) and fast low‐angle shot (FLASH) dynamic contrast myocardial perfusion images, arterial input function (AIF) images, and proton density (PD)‐weighted images acquired under breath‐hold (BH) and free‐breath (FB) settings. Results Our method significantly improved frame‐to‐frame appearance consistency compared to raw series, expressed in correlation coefficient (R2 = 0.996 ± 3.735E‐3 vs. 0.978 ± 2.024E‐2, P < 0.0001) and mutual information (3.823 ± 4.098E‐1 vs. 2.967 ± 4.697E‐1, P < 0.0001). It is applicable to both BH (R2 = 0.998 ± 3.217E‐3 vs. 0.990 ± 7.527E‐3) and FB (R2 = 0.995 ± 3.410E‐3 vs. 0.968 ± 2.257E‐3) paradigms as well as FISP and FLASH sequences. The method registers PD images to perfusion T1 series (9.70% max increase in R2 vs. no registration, P < 0.001) and also corrects motion in low‐resolution AIF series (R2 = 0.987 ± 1.180E‐2 vs. 0.964 ± 3.860E‐2, P < 0.001). Finally, we showed the myocardial perfusion contrast dynamic was preserved in the motion‐corrected images compared to the raw series (R2 = 0.995 ± 6.420E‐3). Conclusion The critical step of motion correction prior to pixel‐wise cardiac MR perfusion quantification can be performed with the proposed universal system. It is applicable to a wide range of perfusion series and auxiliary images with different acquisition settings. Level of Evidence: 3 Technical Efficacy: Stage 1 J. Magn. Reson. Imaging 2017;46:1060–1072.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».