Dynamic shimming in the cervical spinal cord for multi-echo gradient-echo imaging at 3 T
Notice bibliographique
Résumé
Obtaining high quality images of the spinal cord with MRI is difficult, partly due to the fact that the spinal cord is surrounded by a number of structures that have differing magnetic susceptibility. This causes inhomogeneities in the magnetic field, which in turn lead to image artifacts. In order to address this issue, linear compensation gradients can be employed. The latter can be generated using an MRI scanner's first order gradient coils and adjusted on a per-slice basis, in order to correct for through-plane ("z") magnetic field gradients. This approach is referred to as z-shimming. The aim of this study is two-fold. The first aim was to replicate aspects of a previous study wherein z-shimming was found to improve image quality in T2*-weighted echo-planar imaging. Our second aim was to improve upon the z-shimming approach by including in-plane compensation gradients and adjusting the compensation gradients during the image acquisition process so that they take into account respiration-induced magnetic field variations. We refer to this novel approach as realtime dynamic shimming. Measurements performed in a group of 12 healthy volunteers at 3 T show improved signal homogeneity along the spinal cord when using z-shimming. Signal homogeneity may be further improved by including realtime compensation for respiration-induced field gradients and by also doing this for gradients along the in-plane axes.
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) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».