Sensitivity regularization of the Cramér‐Rao lower bound to minimize B<sub>1</sub> nonuniformity effects in quantitative magnetization transfer imaging
Notice bibliographique
Résumé
Purpose To develop and validate a regularization approach of optimizing B1 insensitivity of the quantitative magnetization transfer (qMT) pool‐size ratio (F). Methods An expression describing the impact of B1 inaccuracies on qMT fitting parameters was derived using a sensitivity analysis. To simultaneously optimize for robustness against noise and B1 inaccuracies, the optimization condition was defined as the Cramér‐Rao lower bound (CRLB) regularized by the B1‐sensitivity expression for the parameter of interest (F). The qMT protocols were iteratively optimized from an initial search space, with and without B1 regularization. Three 10‐point qMT protocols (Uniform, CRLB, CRLB+B1 regularization) were compared using Monte Carlo simulations for a wide range of conditions (e.g., SNR, B1 inaccuracies, tissues). Results The B1‐regularized CRLB optimization protocol resulted in the best robustness of F against B1 errors, for a wide range of SNR and for both white matter and gray matter tissues. For SNR = 100, this protocol resulted in errors of less than 1% in mean F values for B1 errors ranging between −10 and 20%, the range of B1 values typically observed in vivo in the human head at field strengths of 3 T and less. Both CRLB‐optimized protocols resulted in the lowest σF values for all SNRs and did not increase in the presence of B1 inaccuracies. Conclusion This work demonstrates a regularized optimization approach for improving the robustness of auxiliary measurements (e.g., B1) sensitivity of qMT parameters, particularly the pool‐size ratio (F). Predicting substantially less B1 sensitivity using protocols optimized with this method, B1 mapping could even be omitted for qMT studies primarily interested in F.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,000 |
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.
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 ».