Learning to build low-field MRIs for remote northern communities
Notice bibliographique
Résumé
Low-field Magnetic Resonance Imaging (MRI) has the potential to provide autonomous accessible neuroimaging in remote communities, particularly in the Canadian north. Remoteness necessitates that these MRIs be built and maintained within the communities. This approach not only ensures that the MRIs remain operational but will also allow the youth from the communities to pursue technical careers at home. The first step in this vision is to establish that the technical resources needed for building MRIs are available in remote communities and to establish an educational program that will give students the required technical skills. Over the summer of 2024, a team of students working within an Aircraft Maintenance Engineering (AME) program built the hardware for a wrist-sized prototype MRI. The student team included a high school student, AME students, engineering students and a post doctoral fellow. The skills required to maintain aircraft, namely 3D printing, sheet metal work and electrical harness building, were sufficient to build a low-field MRI. The prototype built was a radio frequency (RF) encoding MRI, whose design was optimized for eventual use in space, but the techniques and procedures developed are applicable to other MRI designs. Furthermore the breadth of students from high school to the post doctoral fellow level facilitated an extremely rich learning environment for the students while they focused on the task of designing and building the prototype MRI. Educational programs around building low-field MRIs can be created at all levels.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».