Partitioning <i>k</i>‐space for cylindrical three‐dimensional rapid acquisition with relaxation enhancement imaging in the mouse brain
Notice bibliographique
Résumé
Three-dimensional rapid acquisition with relaxation enhancement (RARE) scans require the assignment of each phase encode step in two dimensions to an echo in the echo train. Although this assignment is frequently made across the entire Cartesian grid, collection of only the central cylinder of k-space by eliminating the corners in each phase encode dimension reduces the scan time by ~22% with negligible impact on image quality. The recipe for the assignment of echoes to grid points for such an acquisition is less straightforward than for the simple full Cartesian acquisition case, and has important implications for image quality. We explored several methods of partitioning k-space-exploiting angular symmetry in one extreme or emulating a cropped Cartesian acquisition in the other-and acquired three-dimensional RARE magnetic resonance imaging (MRI) scans of the ex vivo mouse brain. We evaluated each partitioning method for sensitivity to artifacts and then further considered strategies to minimize these through averaging or interleaving of echoes and by empirical phase correction. All scans were collected 16 at a time with multiple-mouse MRI. Although all schemes considered could be used to generate images, the results indicate that the emulation of a standard Cartesian echo assignment, by partitioning preferentially along one dimension within the cylinder, is more robust to artifacts. Samples at the periphery of the bore showed larger phase deviations and higher sensitivity to artifacts, but images of good quality could still be obtained with an optimized acquisition protocol. A protocol for high-resolution (40 μm) ex vivo images using this approach is presented, and has been used routinely with a success rate of 99% in over 1000 images.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».