Integration of an RF coil and commercial field camera for ultrahigh‐field MRI
Notice bibliographique
Résumé
PURPOSE: To develop an RF coil with an integrated commercial field camera for ultrahigh field (7T) neuroimaging. The RF coil would operate within a head-only gradient coil and be subject to the corresponding design constraints. The RF coil can thereafter be used for subject-specific correction of k-space trajectories-notably in gradient-sensitive sequences such as single-shot spiral imaging. METHODS: The transmit and receive performance was evaluated before and after the integration of field probes, whereas field probes were evaluated when in an optimal configuration external to the coil and after their integration. Diffusion-weighted EPI and single-shot spiral acquisitions were employed to evaluate the efficacy of correcting higher order field perturbations and the consequent effect on image quality. RESULTS: Field probes had a negligible effect on RF-coil performance, including the transmit efficiency, transmit uniformity, and mean SNR over the brain. Modest reductions in field-probe signal lifetimes were observed, caused primarily by nonidealities in the gradient and shim fields of the head-only gradient coil at the probe positions. The field-monitoring system could correct up to second-order field perturbations in single-shot spiral imaging. CONCLUSION: The integrated RF coil and field camera was capable of concurrent-field monitoring within a 7T head-only scanner and facilitated the subsequent correction of k-space trajectories during spiral 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 | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».