MétaCan
Menu
Retour à la cohorte
Enregistrement W2767150804 · doi:10.1109/tmi.2017.2766922

Cyclic Continuous Max-Flow: A Third Paradigm in Generating Local Phase Shift Maps in MRI

2017· article· en· W2767150804 sur OpenAlexafffund
John S. H. Baxter, Zahra Hosseini, Terry M. Peters, Maria Drangova

Notice bibliographique

RevueIEEE Transactions on Medical Imaging · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésRobustness (evolution)Topology (electrical circuits)Phase (matter)Computer scienceAlgorithmImage processingArtificial intelligenceMathematicsImage (mathematics)Physics

Résumé

récupéré en direct d'OpenAlex

Sensitivity to phase deviations in MRI forms the basis of a variety of techniques, including magnetic susceptibility weighted imaging and chemical shift imaging. Current phase processing techniques fall into two families: those which process the complex image data with magnitude and phase coupled, and phase unwrapping-based techniques that first linearize the phase topology across the image. However, issues, such as low signal and the existence of phase poles, can lead both methods to experience error. Cyclic continuous max-flow (CCMF) phase processing uses primal-dual-variational optimization over a cylindrical manifold, which represent the inherent topology of phase images, increasing its robustness to these issues. CCMF represents a third distinct paradigm in phase processing, being the only technique equipped with the inherent topology of phase. CCMF is robust and efficient with at least comparable accuracy as the prior paradigms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil0,786

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,017
Tête enseignante GPT0,345
Écart entre enseignants0,328 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Medical ImagingMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207