MétaCan
Menu
Retour à la cohorte
Enregistrement W4295249237 · doi:10.1002/mrm.29438

Motion resilience of the balanced steady‐state free precession geometric solution

2022· article· en· W4295249237 sur OpenAlexaff
Michael N. Hoff, Qing‐San Xiang, Nathan Cross, Daniel S. Hippe, Jalal B. Andre

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanon Medical Systems USANational Cancer InstituteCanon Medical Systems CorporationUniversity of WashingtonFred Hutchinson Cancer Research CenterGE HealthcarePhilips
Mots-clésArtifact (error)Computer scienceImaging phantomMotion (physics)Computer visionResilience (materials science)Motion compensationReduction (mathematics)Artificial intelligenceMathematicsPhysicsOpticsGeometry

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Many MRI sequences are sensitive to motion and its associated artifacts. The linearized geometric solution (LGS), a balanced steady-state free precession (bSSFP) off-resonance signal demodulation technique, is evaluated with respect to motion artifact resilience. THEORY AND METHODS: The mechanism and extent of LGS motion artifact resilience is examined in simulated, flow phantom, and in vivo clinical imaging. Motion artifact correction capabilities are decoupled from susceptibility artifact correction when feasible to permit controlled analysis of motion artifact correction when comparing the LGS with standard and phase-cycle-averaged (complex sum) bSSFP imaging. RESULTS: Simulations reveal that the LGS demonstrates motion artifact reduction capabilities similar to standard clinical bSSFP imaging techniques, with slightly greater resilience in high SNR regions and for shorter-duration motion. Flow phantom experiments assert that the LGS reduces shorter-duration motion artifact error by ∼24%-65% relative to the complex sum, whereas reconstructions exhibit similar error reduction for constant motion. In vivo analysis demonstrates that in the internal auditory canal/orbits, the LGS was deemed to have less artifact in 24%/49% and similar artifact in 76%/51% of radiological assessments relative to the complex sum, and the LGS had less artifact in 97%/81% and similar artifact in 3%/16% of assessments relative to standard bSSFP. Only 2 of 63 assessments deemed the LGS inferior to either complex sum or standard bSSFP in terms of artifact reduction. CONCLUSION: The LGS provides sufficient bSSFP motion artifact resilience to permit robust elimination of susceptibility artifacts, inspiring its use in a wide variety of applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,305
Écart entre enseignants0,289 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207