Post-correctional improvement of T2-weighted fast spin echo magnetic resonance imaging pulse sequence for detecting high intensity focused ultrasound thermal lesions
Notice bibliographique
Résumé
High intensity focused ultrasound (HIFU) is a non-invasive therapy that induces heat in a small, localized volume of cancerous tissue without damaging neighbouring vital structures and cells. Precise targeting and treatment monitoring is typically achieved by pairing HIFU with an imaging modality such as magnetic resonance imaging (MRI). The most commonly used MRI pulse sequence for detecting HIFU thermal lesions is the T2-weighted fast spin echo (T2W-FSE) pulse sequence as it provides good contrast between normal and coagulated tissue. The drawbacks of the T2W-FSE pulse sequence are the manifestation of ringing artifacts and the loss of spatial resolution due to the signal modulation in k-space caused by the T2 decay. The inverse Fourier transform (IFT) multiplication scheme aims to remove the signal modulation by incorporating an inverse filter, which is an inverse of the signal modulation trend present in the k-space, to reduce the effects of T2 decay and improve image quality. In this study, four inverse filters (named as regular, narrow, wide, and compound) were developed and implemented on T2W-FSE MR images of ex vivo porcine muscle tissue with HIFU induced thermal lesion using a 0.55 T benchtop MRI research system (Pure Devices, Rimpar, Germany). Offline processing and enhancement of MR images of ex vivo porcine muscle tissue with HIFU induced thermal lesion using the narrow filter yielded the largest improvements of 13.8 ± 2.5 %, 17.0 ± 2.3 %, and 14.4 ± 1.1 % in lateral and axial spatial resolutions, and lesion signal-to-noise ratio (SNR), respectively, compared to the original images. Our results indicate an amplification of the signals in k-space and a reduction in the exponential signal modulation caused by T2 decay. These results also indicate the potential of the IFT multiplication scheme as an image processing method to improve thermal lesion detectability in MR-guided HIFU procedures.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».