Model-based dynamic off-resonance correction for improved accelerated fMRI in awake behaving non-human primates
Notice bibliographique
Résumé
Abstract Purpose To estimate dynamic off-resonance due to vigorous body motion in accelerated fMRI of awake behaving non-human primates (NHPs) using the standard EPI 3-line navigator, in order to attenuate the effects of time-varying off-resonance on the reconstruction. Methods In NHP fMRI the animal’s head is usually head-posted, and the dynamic off-resonance is mainly caused by motion in body parts that are distant from the brain and have low spatial frequency. Hence, off-resonance at each frame can be approximated as a spatially linear perturbation of the off-resonance at a reference frame, and is manifested as a relative linear shift in k-space. Using GRAPPA operators, we estimated these shifts by comparing the 3-line navigator at each time frame with that at the reference frame. Estimated shifts were then used to correct the data at each frame. The proposed method was evaluated in phantom scans, simulations, and in vivo data. Results The proposed method is shown to successfully estimate low-spatial order dynamic off-resonance perturbations, including induced linear off-resonance perturbations in phantoms, and is able to correct retrospectively corrupted data in simulations. Finally, it is shown to reduce ghosting artifacts and geometric distortions by up to 20% in simultaneous multi-slice in vivo acquisitions in awake-behaving NHPs. Conclusion A method is proposed that does not need any sequence modification or extra acquisitions and makes accelerated awake behaving NHP imaging more robust and reliable, reducing the gap between what is possible with NHP protocols and state-of-the-art human imaging.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| 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 ».