Multi‐echo dipole inversion for magnetic susceptibility mapping
Notice bibliographique
Résumé
PURPOSE: Reconstructing tissue magnetic susceptibility (QSM) from MRI phase data involves solving multiple consecutive ill-posed inverse problems such as phase unwrapping, background field removal, and field-to-source inversion. Multi-echo acquisitions present an additional challenge, as the magnetization field is typically computed from the multiple phase data prior to reconstructing the susceptibility map. Processing the multiple phase data introduces errors during the field estimation, violating assumptions of the subsequent inverse problems, manifesting as streaking artifacts in the susceptibility map. To address this challenge, we propose a multi-echo field-to-source forward model that forgoes the field estimation step. Moreover, we propose a fully general underestimation correction step to recover susceptibility sources that were regularized away during the field-to-source inversion. METHODS: The multi-echo forward model and correction step were validated on the QSM Challenge 2.0 datasets and compared to the standard single field-to-source model in in vivo human brains using different types of deconvolution algorithms. RESULTS: On the QSM Challenge 2.0 datasets the multi-echo forward model and correction step attain state-of-the-art results on all metrics by a wide margin. Experiments in in vivo brains show that the multi-echo model is in agreement with the single field-to-source model and that the proposed forward model and correction step can be used with any available dipole inversion method. CONCLUSION: A multi-echo field-to-source forward model forgoes the need to fit multi-echo phase data and achieves state-of-the-art results on the QSM Challenge 2.0 data. Underestimated low-frequency susceptibility distributions can be partially recovered using a correction step.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 0,002 |
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 ».