Optimized navigator-based correction of breathing-induced B <sub>0</sub> field fluctuations in multi-echo gradient-echo imaging of the spinal cord
Notice bibliographique
Résumé
Abstract Purpose Multi-echo gradient-echo (ME-GRE) imaging in the spinal cord is susceptible to breathing-induced B 0 field fluctuations due to the proximity of the lungs, leading to ghosting artifacts. A navigator readout can be used to monitor the fluctuations; however, standard navigator processing often fails in the spinal cord. Here, we introduce navigator processing tailored specifically for spinal cord imaging. Methods ME-GRE data covering all spinal cord regions were acquired in six healthy volunteers during free breathing at 3T. Centerline navigator readouts and respiratory belt recordings were collected during the acquisitions. The navigator processing included a Fast Fourier Transform and subsequent interval selection targeting the spinal cord, as well as SNR-weighted averaging over samples and coils on the complex data. Furthermore, a phase unwrapping algorithm making use of the belt recordings was developed. Imaging data were corrected by phase demodulation before image reconstruction. Results B 0 field fluctuations and ghosting artifacts were largest in the lower cervical and upper lumbosacral cord (∼5 Hz std), close to the edges of the lungs. Image reconstruction based on optimized navigator correction improved visual image quality and quantitative metrics (SNR, CNR, ghosting) in all regions of the spinal cord. The improvement was largest in regions with large field fluctuations (group-averaged increase in SNR/CNR of up to 29%/37% in single-echo images). Conclusions Optimized navigator-based correction can reduce ghosting artifacts and increase SNR/CNR in anatomical ME-GRE of the spinal cord. The enhanced image quality and ease of implementation across sites makes the technique attractive for clinical and scientific applications.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».