A hybrid PCA acceleration method for rapid real-time 2D MRI
Notice bibliographique
Résumé
Abstract Objective. To develop a 2D MR acceleration method utilizing principal component analysis (PCA) in a hybrid fashion for rapid real-time applications. Approach. Retrospective testing was performed on 10 lung, 10 liver and 10 prostate 3T MRI data sets for image quality and target contourability. Sampling of k-space is performed by acquiring central (low-frequency) data in every frame while the high-frequency data is incoherently undersampled such that all of k-space is acquired in a pre-determined number of frames. Firstly, principal components (PCs) representative of intra-frame correlations between central and outer k-space data are used to estimate unsampled data in the frame of interest. Then to add further stability, PCs representative of time-domain fluctuations within a reconstruction window of the most recent frames are fit to outer k-space data (including above estimations) to obtain final estimates in the frame of interest. Accelerated reconstructions between 3x and 8x were tested for image quality and contourability along with the optimal number of PCs for fitting. Main results. It was found that at higher acceleration rates, image quality did not deteriorate significantly. Similarly, it was found that the images were of sufficient quality to contour a target using auto-contouring software at all tested acceleration rates and sites. SSIM values were found to be ⩾0.91 at all accelerations tested. Similarly dice coefficients at the different sites were found to be ⩾0.89 even at 8x accelerations which is on par with or better than intra-observer variation. Significance. This method appears to produce improved image quality and contourability compared to previous PCA methods while also allowing a greater number of PCs to be used in reconstruction. The method can be run using a simple single-channel coil and does not require significant computing power to meet real-time interventional standards (reconstruction times ∼60 ms/frame on Intel i5 CPU).
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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) | 0,005 | 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 ».