3D amplified MRI (aMRI)
Notice bibliographique
Résumé
PURPOSE: Amplified MRI (aMRI) has been introduced as a new method of detecting and visualizing pulsatile brain motion in 2D. Here, we improve aMRI by introducing a novel 3D aMRI approach. METHODS: 3D aMRI was developed and tested for its ability to amplify sub-voxel motion in all three directions. In addition, 3D aMRI was qualitatively compared to 2D aMRI on multi-slice and 3D (volumetric) balanced steady-state free precession cine data and phase contrast (PC-MRI) acquired on healthy volunteers at 3T. Optical flow maps and 4D animations were produced from volumetric 3D aMRI data. RESULTS: 3D aMRI exhibits better image quality and fewer motion artifacts compared to 2D aMRI. The tissue motion was seen to match that of PC-MRI, with the predominant brain tissue displacement occurring in the cranial-caudal direction. Optical flow maps capture the brain tissue motion and display the physical change in shape of the ventricles by the relative movement of the surrounding tissues. The 4D animations show the complete brain tissue and cerebrospinal fluid (CSF) motion, helping to highlight the "piston-like" motion of the ventricles. CONCLUSIONS: Here, we introduce a novel 3D aMRI approach that enables one to visualize amplified cardiac- and CSF-induced brain motion in striking detail. 3D aMRI captures brain motion with better image quality than 2D aMRI and supports a larger amplification factor. The optical flow maps and 4D animations of 3D aMRI may open up exciting applications for neurological diseases that affect the biomechanics of the brain and brain fluids.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 0,001 |
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 ».