Reducing clustering of readouts in non-Cartesian cine magnetic resonance imaging
Notice bibliographique
Résumé
Non-Cartesian magnetic resonance imaging trajectories at golden angle increments have the advantage of allowing motion correction and gating using intermediate real-time reconstructions. However, when the acquired data are cardiac binned for cine imaging, trajectories can cluster together at certain heart rates (HR) causing image artifacts. Here, we demonstrate an approach to reduce clustering by inserting additional angular increments within the trajectory, and optimizing them while still allowing for intermediate reconstructions. Three acquisition models were simulated under constant and variable HR: golden angle (Mtrd), random additional angles (Mrnd), and optimized additional angles (Mopt). The standard deviations of trajectory angular differences (STAD) were compared through their interquartile ranges (IQR) and the Kolmogorov-Smirnov test (significance level: p = 0.05). Agreement between an image reconstructed with uniform sampling and images from Mtrd, Mrnd, and Mopt was analyzed using the structural similarity index measure (SSIM). Mtrd and Mopt were compared in three adults at high, low, and no HR variability. STADs from Mtrd were significantly different (p < 0.05) from Mopt and Mrnd. STAD (IQR × 10−2 rad) showed that Mopt (0.5) and Mrnd (0.5) reduced clustering relative to Mtrd (1.9) at constant HR. For variable HR, Mopt (0.5) and Mrnd (0.5) outperformed Mtrd (0.9). The SSIM (IQR) showed that Mopt (0.011) produced the best image quality, followed by Mrnd (0.014), and Mtrd (0.030). Mopt outperformed Mtrd at reduced HR variability in in-vivo studies. At high HR variability, both models performed well. This approach reduces clustering in k-space and improves image quality.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».