MétaCan
Menu
Retour à la cohorte
Enregistrement W4415945496 · doi:10.1002/mrm.70170

Wireless Resonators With Coupled Versus Decoupled Units: Which Enhances Local <scp>SNR</scp> of <scp>RF</scp> Receive Arrays Better?

2025· article· en· W4415945496 sur OpenAlexaff
Ming Lu, Haoqin Zhu, Ruilin Wang, Xinqiang Yan

Notice bibliographique

RevueMagnetic Resonance in Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensManitoba Health
Organismes subventionnairesnon disponible
Mots-clésResonatorWirelessQuality (philosophy)Image qualityRadio frequencyQ factor

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To compare two identically sized wireless resonator designs, one with strongly coupled units and the other with decoupled units, for their ability to enhance receive performance in MRI when used with local receive arrays. METHODS: Both wireless resonator designs were fabricated and experimentally evaluated for detuning efficiency, SNR improvements, and parallel imaging performance (g-factor) at 1.5 T. They were used alongside a 12-channel head receive array, with the standard body coil serving as the RF transmitter. RESULTS: Experimental data showed that the wireless resonator with decoupled units consistently outperformed that with coupled units, with up to threefold improvement in SNR and a reduction of maximum/average g-factor from 4.6/1.8 to 3.1/1.3. Notably, compared to the original receive array (maximum/average: 3.9/1.7), the decoupled design further improved the g-factor, highlighting superior performance in accelerated imaging. CONCLUSION: Wireless resonators with decoupled units offer significant advantages in improving MRI image quality and parallel imaging performance over their coupled counterparts. Their ease of detuning and pronounced gains in SNR and g-factor make them a compelling choice for wireless resonator designs.

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)0,002
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,014
Tête enseignante GPT0,292
Écart entre enseignants0,277 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

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