MétaCan
Menu
Retour à la cohorte
Enregistrement W4294266718 · doi:10.1038/s41598-022-19282-6

A flexible MRI coil based on a cable conductor and applied to knee imaging

2022· article· en· W4294266718 sur OpenAlexfundno aff
Bili Wang, Syed Siddiq, Jerzy Walczyk, Mary Bruno, Iman Khodarahmi, Inge M. Brinkmann, Robert Rehner, Karthik Lakshmanan, Jan Fritz, Ryan Brown

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Cancer InstituteNational Institutes of HealthSchool of Medicine, New York UniversityNational Institute of Biomedical Imaging and BioengineeringYork UniversityCenter for Advanced Imaging Innovation and Research
Mots-clésConductorElectromagnetic coilMagnetic resonance imagingComputer scienceBiomedical engineeringMedicineElectrical engineeringMaterials scienceRadiologyEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Flexible radiofrequency coils for magnetic resonance imaging (MRI) have garnered attention in research and industrial communities because they provide improved accessibility and performance and can accommodate a range of anatomic postures. Most recent flexible coil developments involve customized conductors or substrate materials and/or target applications at 3 T or above. In contrast, we set out to design a flexible coil based on an off-the-shelf conductor that is suitable for operation at 0.55 T (23.55 MHz). Signal-to-noise ratio (SNR) degradation can occur in such an environment because the resistance of the coil conductor can be significant with respect to the sample. We found that resonating a commercially available RG-223 coaxial cable shield with a lumped capacitor while the inner conductor remained electrically floating gave rise to a highly effective "cable coil." A 10-cm diameter cable coil was flexible enough to wrap around the knee, an application that can benefit from flexible coils, and had similar conductor loss and SNR as a standard-of-reference rigid copper coil. A two-channel cable coil array also provided good SNR robustness against geometric variability, outperforming a two-channel coaxial coil array by 26 and 16% when the elements were overlapped by 20-40% or gapped by 30-50%, respectively. A 6-channel cable coil array was constructed for 0.55 T knee imaging. Incidental cartilage and bone pathologies were clearly delineated in T1- and T2-weighted turbo spin echo images acquired in 3-4 min with the proposed coil, suggesting that clinical quality knee imaging is feasible in an acceptable examination timeframe. Correcting for T1, the SNR measured with the cable coil was approximately threefold lower than that measured with a 1.5 T state-of-the-art 18-channel coil, which is expected given the threefold difference in main magnetic field strength. This result suggests that the 0.55 T cable coil conductor loss does not deleteriously impact SNR, which might be anticipated at low field.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,491
Score d'incertitude au seuil0,433

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,294
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207