Inline dual‐echo T2 quantification in brain using a fast mapping reconstruction technique
Notice bibliographique
Résumé
T2 mapping from 2D proton density and T2-weighted images (PD-T2) using Bloch equation simulations can be time consuming and introduces a latency between image acquisition and T2 map production. A fast T2 mapping reconstruction method is investigated and compared with a previous modeling approach to reduce computation time and allow inline T2 maps on the MRI console. Brain PD-T2 images from five multiple sclerosis patients were used to compare T2 map reconstruction times between the new subtraction method and the Euclidean norm minimization technique. Bloch equation simulations were used to create the lookup table for decay curve matching in both cases. Agreement of the two techniques used Bland-Altman analysis for investigating individual subsets of data and all image points in the five volumes (meta-analysis). The subtraction method resulted in an average reduction of computation time for single slices from 134 s (minimization method) to 0.44 s. Comparing T2 values between the subtraction and minimization methods resulted in a confidence interval ranging from -0.06 to 0.06 ms (95% of values were within ± 0.06 ms between the techniques). Using identical reconstruction code based on the subtraction method, inline T2 maps were produced from PD-T2 images directly on the scanner console. The excellent agreement between the two methods permits the subtraction technique to be interchanged with the previous method, reducing computation time and allowing inline T2 map reconstruction based on Bloch simulations directly on the scanner.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».