MétaCan
Menu
Retour à la cohorte
Enregistrement W4405882170 · doi:10.1002/mrm.30407

Ultra‐high temporal resolution <scp>4D</scp> angiography using arterial spin labeling with subspace reconstruction

2024· article· en· W4405882170 sur OpenAlexafffund
Qijia Shen, Wenchuan Wu, Mark Chiew, Yang Ji, Joseph G. Woods, Thomas W. Okell

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesNIHR Oxford Biomedical Research CentreRoyal Academy of EngineeringNational Institute for Health and Care ResearchCanada Research ChairsWellcome Trust
Mots-clésArterial spin labelingSubspace topologyAngiographyNuclear magnetic resonanceHigh resolutionMagnetic resonance angiographyChemistryBiomedical engineeringRadiologyComputer sciencePhysicsMedicineMagnetic resonance imagingArtificial intelligenceGeologyRemote sensing

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To achieve ultra-high temporal resolution non-contrast 4D angiography with improved spatiotemporal fidelity. METHODS: Continuous data acquisition using 3D golden-angle sampling following an arterial spin labeling preparation allows for flexibly reconstructing 4D dynamic angiograms at arbitrary temporal resolutions. However, k-space data is often temporally "binned" before image reconstruction, negatively affecting spatiotemporal fidelity and limiting temporal resolution. In this work, a subspace was extracted by linearly compressing a dictionary constructed from simulated curves of an angiographic kinetic model. The subspace was used to represent and reconstruct the voxelwise signal timecourse at the same temporal resolution as the data acquisition without temporal binning. Physiological parameters were estimated from the resulting images using a Bayesian fitting approach. A group of eight healthy subjects were scanned and the in vivo results reconstructed by different methods were compared. Because of the difficulty of obtaining ground truth 4D angiograms with ultra-high temporal resolution, the in vivo results were cross-validated with numerical simulations. RESULTS: The proposed method enables 4D time-resolved angiography with much higher temporal resolution (14.7 ms) than previously reported (˜50 ms) while maintaining high spatial resolution (1.1 mm isotropic). Blood flow dynamics were depicted in greater detail, thin vessel visibility was improved, and the estimated physiological parameters also exhibited more realistic spatial patterns with the proposed method. CONCLUSION: Incorporating a subspace compressed kinetic model into the reconstruction of 4D ASL angiograms notably improved the temporal resolution and spatiotemporal fidelity, which was subsequently beneficial for accurate physiological modeling.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,299
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMagnetic Resonance in MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207