Application Value of Intelligent Quick Magnetic Resonance for Accelerating Brain MR Scanning and Improving Image Quality in Acute Ischemic Stroke
Notice bibliographique
Résumé
INTRODUCTION: This study aimed to evaluate the effectiveness of intelligent quick magnetic resonance (IQMR) for accelerating brain MRI scanning and improving image quality in patients with acute ischemic stroke. METHODS: In this prospective study, 58 patients with acute ischemic stroke underwent head MRI examinations between July 2023 and January 2024, including diffusion-weighted imaging and both conventional and accelerated T1-weighted, T2-weighted, and T2 fluid-attenuated inversion recovery fat-saturated (T2-FLAIR) sequences. Accelerated sequences were processed using IQMR, producing IQMR-T1WI, IQMR-T2WI, and IQMR-T2-FLAIR images. Image quality was assessed qualitatively by two readers using a five-point Likert scale (1 = non-diagnostic to 5 = excellent). Signal-to-noise ratio (SNR) and contrast-to-noise ratio (CNR) of lesions and surrounding tissues were quantitatively measured. The Alberta Stroke Program Early CT Score (ASPECTS) was used to evaluate ischemia severity. RESULTS: Total scan time was reduced from 5 minutes 9 seconds to 2 minutes 40 seconds, accounting for a reduction of 48.22%. IQMR significantly improved SNR/CNR in accelerated sequences (P < .05), achieving parity with routine sequences (P > .05). Qualitative scores for lesion conspicuity and internal display improved post-IQMR (P < .05).. ASPECTS showed no significant difference between IQMR and routine images (P = 0.79; ICC = 0.91-0.93). DISCUSSION: IQMR addressed MRI's slow scanning limitation without hardware modifications, enhancing diagnostic efficiency. The results have been found to align with advancements in deep learning. Limitations included the small sample size and the exclusion of functional sequences. CONCLUSION: IQMR could significantly reduce brain MRI scanning time and enhance image quality in patients with acute ischemic stroke.
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) | 0,000 | 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) | 0,001 | 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 ».