A Flexible Approach for Fat‐Water Separation With Bipolar Readouts and Correction of Gradient‐Induced Phase and Amplitude Effects
Notice bibliographique
Résumé
ABSTRACT Purpose To develop a fat‐water separation approach that corrects bipolar readout gradient‐induced effects without additional scans and is compatible with any fat‐water separation method. Theory and Methods The proposed approach combines joint fat‐water separation of the odd and even echoes of a bipolar multi‐echo gradient echo acquisition with an inverse problem to find least‐squares estimates for phase and amplitude corrections to eliminate bipolar‐induced effects. Optimization of sequence parameters through the calculation of the equivalent number of signal averages (NSA) with Cramér–Rao Bound theory (CRB) is presented. The proposed approach is demonstrated with a graph‐cut fat‐water separation. Characterization of the accuracy was performed via Monte Carlo Simulations (MC). The approach was tested in phantoms and in vivo. Proton density fat fraction (PDFF) and effective transverse relaxation rate () maps were evaluated to quantify performance. Results NSA calculations suggest short TE 1 and ΔTE = 1.5 ms as optimal alternatives for fat‐water separation. MC simulations demonstrated accurate estimation of fat and water complex signals, main field frequency heterogeneity, and with mean relative error within 1%. In phantoms and in vivo at 3 T, the proposed approach effectively eliminated effects induced by bipolar readout gradients in fat‐water separation, notably reducing the error in PDFF estimates in vivo from 0.110 to 0.180 (without correction) to −0.013 to 0.009 (with correction). Conclusion We proposed an approach to correct bipolar readout‐induced effects that are detrimental for fat‐water separation. This approach can extend the use of existing fat‐water separation techniques designed for data acquired using unipolar readout gradients to data collected with bipolar readout gradients.
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 ».