MétaCan
Menu
Retour à la cohorte
Enregistrement W3001904699 · doi:10.1002/mrm.28178

Silent T<sub>1</sub> mapping using the variable flip angle method with B<sub>1</sub> correction

2020· article· en· W3001904699 sur OpenAlexaff
Emil Ljungberg, Tobias Wood, Ana Beatriz Solana, Shannon Kolind, Steven Williams, Florian Wiesinger, Gareth J. Barker

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensInternational Collaboration On Repair DiscoveriesUniversity of British Columbia
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNational Institute for Health and Care ResearchWellcome Trust
Mots-clésFlip angleRepeatabilityReproducibilityImaging phantomCartesian coordinate systemData acquisitionNoise (video)Nuclear medicinePhysicsNuclear magnetic resonanceComputer scienceMathematicsMagnetic resonance imagingMedicineArtificial intelligenceStatisticsRadiologyImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Purpose To compare the silent rotating ultrafast imaging sequence (RUFIS) to a traditional Cartesian spoiled gradient‐echo (SPGR) acquisition scheme for variable flip angle (VFA) mapping. Methods A two‐point VFA measurement was performed using RUFIS and Cartesian SPGR in a quantitative phantom and healthy volunteers. To correct for errors, a novel silent magnetization prepared map acquisition (SIMBA) was developed, which combined with RUFIS VFA allows for a completely silent mapping protocol. Results The silent protocol was found to have comparable repeatability but higher reproducibility in vivo compared to the standard SPGR protocol, and showed no increase in acoustic noise levels above background noise levels compared to a 33 dBA increase for the SPGR acquisition. Conclusions VFA mapping using RUFIS is a feasible alternative to SPGR, achieving silent mapping with comparable acquisition time.

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)0,004
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,034
Tête enseignante GPT0,306
Écart entre enseignants0,272 · 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

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207