MétaCan
Menu
Retour à la cohorte
Enregistrement W3127043227 · doi:10.1002/mrm.29124

Characterization and correction of time‐varying eddy currents for diffusion MRI

2021· preprint· en· W3127043227 sur OpenAlexafffund
Jake J. Valsamis, Paul I. Dubovan, Corey A. Baron

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensRobarts Clinical TrialsWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésEddy currentDiffusionMetric (unit)Diffusion MRIMean squared errorPulsed field gradientField (mathematics)AlgorithmComputer sciencePhysicsNuclear magnetic resonanceMathematicsStatisticsMagnetic resonance imagingEngineering

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To develop and test a method for reducing artifacts due to time-varying eddy currents in oscillating gradient spin-echo (OGSE) diffusion images. METHODS: An in-house algorithm (TVEDDY), that for the first time retrospectively models eddy current decay, was tested on pulsed gradient spin echo and OGSE brain images acquired at 7 T. Image pairs were acquired using opposite polarity diffusion gradients. A three-parameter exponential decay model (two amplitudes and a time constant) was used to characterize and correct eddy current distortions by minimizing the intensity difference between image pairs. Correction performance was compared with conventional correction methods by evaluating the mean squared error (MSE) between diffusion-weighted images acquired with opposite polarity diffusion gradients. As a ground-truth comparison, images were corrected using field dynamics up to third order in space, measured using a field monitoring system. RESULTS: Time-varying eddy currents were observed for OGSE, which introduced blurring that was not reduced using the traditional approach but was diminished considerably with TVEDDY and field monitoring-informed model-based reconstruction. No MSE difference was observed between the conventional approach and TVEDDY for pulsed gradient spin echo, but for OGSE TVEDDY resulted in significantly lower MSE than the conventional approach. The field-monitoring reconstruction had the lowest MSE for both pulsed gradient spin echo and OGSE. CONCLUSION: This work establishes that it is possible to estimate time-varying eddy currents from the actual diffusion data, which provides substantial image-quality improvements for gradient-intensive diffusion MRI acquisitions like OGSE.

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)0,006
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,042
Tête enseignante GPT0,346
Écart entre enseignants0,304 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

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