Characterization and compensation of inhomogeneity artifact in spiral hyperpolarized<sup>13</sup>C imaging of the human heart
Notice bibliographique
Résumé
Purpose This study aimed to investigate the role of regional inhomogeneity in spiral hyperpolarized 13 C image quality and to develop measures to alleviate these effects. Methods Field map correction of hyperpolarized 13 C cardiac imaging using spiral readouts was evaluated in healthy subjects. Spiral readouts with differing duration (26 and 45 ms) but similar resolution were compared with respect to off‐resonance performance and image quality. An map‐based image correction based on the multifrequency interpolation (MFI) method was implemented and compared to correction using a global frequency shift alone. Estimation of an unknown frequency shift was performed by maximizing a sharpness objective based on the Sobel variance. The apparent full width half at maximum (FWHM) of the myocardial wall on [ 13 C]bicarbonate was used to estimate blur. Results Mean myocardial wall FWHM measurements were unchanged with the short readout pre‐correction (14.1 ± 2.9 mm) and post‐MFI correction (14.1 ± 3.4 mm), but significantly decreased in the long waveform (20.6 ± 6.6 mm uncorrected, 17.7 ± 7.0 corrected, P = .007). Bicarbonate signal‐to‐noise ratio ( SNR ) of the images acquired with the long waveform were increased by 1.4 ± 0.3 compared to those acquired with the short waveform (predicted 1.32). Improvement of image quality was observed for all metabolites with correction. Conclusions ‐map correction reduced blur and recovered signal from dropouts, particularly along the posterior myocardial wall. The low image SNR of [ 13 C]bicarbonate can be compensated with longer duration readouts but at the expense of increased artifacts, which can be partially corrected for with the proposed methods.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».