Predictive signal modeling and multi‐rate filtering in accelerated cardiac <scp>MRI</scp>
Notice bibliographique
Résumé
PURPOSE: True real-time cardiac MRI (CMR), necessary for capturing live cardiac dynamics and imaging irregular cardiac rhythms, remains challenging. In this article, we move toward real-time CMR in multiple reconstruction frameworks via strategies to predict cardiac motion, improve computational efficiency, reduce artifacts, and preserve spatial resolution. THEORY AND METHODS: A published predictive signal model (PMOT) for imaging irregular cardiac dynamics was modified (mPMOT) to enable efficient computation of state-transition matrices for predicting cardiac motion, as training PMOT is computationally expensive. A multi-rate Kalman filter framework was developed to enable computationally efficient reconstructions of high-resolution, large-matrix CMR datasets. Reconstructions were evaluated on multi-coil CMR data in human and swine using multi-rate Kalman filtering and compressed sensing (CS). RESULTS: Training mPMOT is two orders of magnitude faster than PMOT. Across all datasets and frameworks, mPMOT facilitated high-quality reconstructions of CMR images for different undersampling patterns at acceleration factors of 9 and 13.5. Furthermore, mPMOT substantially reduced temporal blurring artifacts naturally present in CS reconstructions. In swine, mPMOT reduced the mean-squared error of the multi-rate Kalman filter by two orders of magnitude. The multi-rate Kalman filter implementation maintained spatial resolution while reducing computation time from 5439 s to 56 s in select applications. CONCLUSION: Our mPMOT is computationally efficient and can be integrated within multiple established reconstruction frameworks to ensure robust tracking and reconstruction for dynamic and real-time CMR 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».