XiaoMi-AI文件搜索系统
World File Search System噪声比
基于人工智能的肝脏 MRI 图像质量增强：定量和定性评估
摘要 目的 比较应用和关闭 (NON-DL) 的 AIR Recon Deep Learning™ (ARDL) 算法的肝脏 MRI 与传统高分辨率采集 (NAÏVE) 序列在定量和定性图像分析和扫描时间方面的差异。材料与方法这项前瞻性研究包括 2021 年 9 月至 11 月期间的 50 名连续志愿者（31 名女性，平均年龄 55.5 ± 20 岁）。进行 1.5 T MRI 检查并包括三组图像：使用 ARDL 和 NAÏVE 协议获取的轴向单次激发快速自旋回波 (SSFSE) T2 图像、弥散加权图像 (DWI) 和表观弥散系数 (ADC) 图；还评估了 NON-DL 图像。两名放射科医生一致在肝实质中绘制固定的感兴趣区域以计算信噪比 (SNR) 和对比噪声比 (CNR)。另外两名放射科医生使用五点李克特量表独立评估主观图像质量。记录采集时间。结果 SSFSE T2 客观分析显示 ARDL vs NAÏVE 和 ARDL vs NON-DL 的 SNR 和 CNR 较高（所有 P < 0.013）。对于 DWI，ARDL vs NAÏVE 和 ARDL vs NON-DL 的 SNR 没有差异（所有 P > 0.2517）。ARDL vs NON-DL 的 CNR 较高（P = 0.0170），而 ARDL 和 NAÏVE 之间没有差异（P = 1）。在 ADC 图的 SNR 和 CNR 方面，三种比较均无差异（所有 P > 0.32）。所有序列的定性分析显示 ARDL 的整体图像质量更好，截断伪影更少，清晰度和对比度更高（所有 P < 0.0070），且具有出色的评分者间一致性（k ≥ 0.8143）。 ARDL 序列的采集时间比 NAÏVE 短 (SSFSE T2 = 19.08 ± 2.5 s vs. 24.1 ± 2 s 和 DWI = 207.3 ± 54 s vs. 513.6 ± 98.6 s，所有 P < 0.0001)。结论 ARDL 应用于上腹部与 NAÏVE 协议相比，整体图像质量更好，扫描时间更短。
咪咪·休斯（Mimi Hughes） - 物理科学实验室
系统模型，并帮助建立了该模型的PSD版本（现在是耦合的北极预测系统，CAFS）。我还努力理解极端北极风的分布及其对海冰的影响。2008年10月至9月。 2010年，博士后研究助理NOAA ESRL PSD水循环分支Boulder，CO产生了与WRF一起在加利福尼亚州进行了11年的6公里。验证了针对风源数据和响应数据的缩减，以评估其适用于塞拉屏障射流动力学研究的适用性。在过去半个世纪的观察中研究了低频的可变性和圣安娜风的趋势。生成了arkstorm的气象数据。2002-九月。 2008年研究助理气候敏感性研究休息室，加利福尼亚州洛杉矶，使用MM5创建的高分辨率（6公里）气候重建研究了南加州的中尺度气候动态。i的重点是传统气候模型无法反应的气候的三个方面：地表空气温度和风的昼夜周期，地形与降水的相互作用以及圣安娜风的动态原因。顾问：Alex Hall博士。2000-2002本科研究助理大气传感和宾夕法尼亚州LIDAR LAB UNICYER PARK设计并建造了Rayleigh Lidar的接收器，重点是将光学斩波器集成到系统中。 顾问：蒂姆·凯恩（Tim Kane）博士1999 - 2000年合作教育学生应用研究实验室大学公园（Research Laboratory University Park），宾夕法尼亚州实施并测试了一种非线性机器学习算法，用于自适应过滤（神经网络）。2000-2002本科研究助理大气传感和宾夕法尼亚州LIDAR LAB UNICYER PARK设计并建造了Rayleigh Lidar的接收器，重点是将光学斩波器集成到系统中。顾问：蒂姆·凯恩（Tim Kane）博士1999 - 2000年合作教育学生应用研究实验室大学公园（Research Laboratory University Park），宾夕法尼亚州实施并测试了一种非线性机器学习算法，用于自适应过滤（神经网络）。与信号/噪声比和输入信号的数量相比，测试了其鲁棒性。
为高谐波生成和振动光谱量身定制的多功能高平均值超快红外驱动器
高重复利率高平均值薄盘，平板和基于纤维的激光器由于其稳健的紧凑设计，出色的梁质量和可靠的功率稳定性1-8而变得越来越受欢迎。提供足够的峰值功率来触发各种非线性感兴趣的过程，但这些激光源提供了改善的信号噪声比和快速数据采集时间尺度。这对于打击凝结相光发射过程中的空间充电效应，改善低收益重合测量值或具有自然可降解样品9 - 17的实验至关重要。在这里，我们说明了由200-W泵源（来自Trumpf Scientific的Dira）驱动的超快红外OPCPA（来自Fastlite的Twinstarzz）的性能，以100 kHz的重复速度运行。OPCPA设计旨在满足一套超级光谱技术的一系列标准，从基于HHG的瞬态角度分辨光发射光谱（TR-ARPES）和X射线吸收光谱（TR-XAS）到时光液质式和Raman Spectrared和Raman spectrared和Raman Spectrrasepoppy。在带有固态样品的Tr-Apres中，每个脉冲发射的光电子数量受到空间电荷效应的约束，这限制了驱动脉冲的能量并影响数据统计数据。因此，更高的重复率激光器是有益的。同样，在TR-XAS中，从HHG驱动器18的中红外波长中访问元素X射线吸收边缘的利润。但是，该过程的转化效率低，因此得到了高度重复速率的平均HHG光子通量的帮助。振动光谱法通常需要激光的光谱可调性，以选择性地激发分子振动。在这方面，OPCPA设计的吸引力是可以调整激光光谱带宽，而无需诉诸复杂的脉冲拉伸和压缩，以适应实验的目的。虽然广泛的光谱覆盖范围允许在吸收光谱中访问扩展光谱过渡，但它限制了频率分辨技术中的能量分辨率，例如，在拉曼光谱中。另一方面，当不需要宽光谱覆盖时，减少光谱带宽的能力可以通过将激光能将激光能量浓缩到“有用”带宽中来增加光谱亮度。为了满足不同的实验要求，OPCPA旨在在（1）可调的红外光谱模式之间互换操作，（2）可调的拉曼光谱模式和（3-4）两个
从减少剂量到最大化对比度：深度学习能否放大造影剂对脑部 MRI 图像质量的影响？一项读者研究
材料和方法 这项回顾性单中心研究考虑纳入 2019 年 11 月至 2021 年 3 月在 Gustave Roussy 癌症园区（法国维尔瑞夫）获取的共 250 张多参数脑 MRI。定义了独立的训练（107 例，年龄 55 岁±14 岁，58 名女性）和测试（79 例，年龄 59 岁±14 岁，41 名女性）样本。患者患有神经胶质瘤、脑转移、脑膜瘤或无增强病变。在所有病例中均获取了具有可变翻转角的梯度回波和涡轮自旋回波对比后 T1 序列。对于形成训练样本的病例，还获取了使用 0.025 mmol/kg 造影剂注射的“低剂量”对比后梯度回波 T1 图像。以标准剂量 T1 MRI 为参考，训练了一个深度神经网络来合成增强低剂量 T1 采集。训练完成后，对比增强网络用于处理测试梯度回波 T1 图像。然后由两名经验丰富的神经放射科医生进行读片，以评估原始和处理后的 T1 MRI 序列的对比增强和病变检测性能，以快速自旋回波序列为参考。结果对于增强病变的病例，处理后图像的对比噪声比（44.5 比 9.1 和 16.8，p<.001）、病变与脑组织比（1.66 比 1.31 和 1.44，p<.001）和对比增强百分比（112.4% 比 85.6% 和 92.2%，p<.001）均优于原始梯度回波和参考快速自旋回波 T1 序列。两位读者都更喜欢处理后的 T1 的整体图像质量（平均评分为 3.4/4 比 2.7/4，p<.001）。最后，对于大于 10 毫米的病变，所提出的处理方法将梯度回波 T1 MRI 的平均灵敏度从 88% 提高到 96%（p=.008*），而误检率则没有差异（两种情况下均为 0.02/例，p>.99）。考虑所有大于 5 毫米的病变时观察到了相同的效果：灵敏度从 70% 提高到 85%（p<.001*），而误检率保持相似（0.04/例 vs 0.06/例，p=.48）。如果包括所有病变，无论其大小如何，原始和处理后的 T1 图像的灵敏度分别为 59% 和 75%（p<.001*），相应的误检率为 0.05/例和 0.14/例（p=.06）。
Riken Accelerator进度报告2021 Vol.55.indd
48 Cr是双光子发射计算机断层扫描的有前途的放射性同位素。1）提出的方法可以实现高空间分辨率和高信号噪声比。2）作为48 cr，一对112和308-kev Photons可用于重合成像。1）我们计划在46 Ti（α，2 N）48 Cr反应中产生48 Cr。在核医学中，必须将48 CR与目标材料和副产物进行化学分离。 在这项研究中，我们使用51 cr（t 1 /2 = 27.7 d）的Nat Ti（α，Xn，Xn，Xn）51 Cr反应产生的51 cr（t 1 /2 = 27.7 d）的α-粒子辐照NAT TI（NAT =天然同位素丰度）靶标的无载液cr radiotracers的生产方法。 将来，可以使用昂贵的46 Tio 2作为目标材料生产48 Cr。 因此，我们还研究了CR放射性示踪剂生产后的目标材料的回收率。 48，51 cr是在使用Riken AVF Cyclotron的Nat Ti（α，Xn）48，51 Cr Rections中产生的。 将45 mg/cm 2的金属NAT TI板用28.9-MEV的强度为3.1粒子μA。 在NAT Ti（α，X）48 V反应中还产生了48 V（T 1/2 = 16.0 D）的48 V（T 1 /2 = 16.0 D），并且作为电子捕获和β + -48 Cr的女儿（t 1/2 = 21.6 h）。 希望在成像实验之前使用48 Cr的成像实验之前去除长期寿命的48 V，以增加信噪比。 将辐照的NAT Ti板（63.4 mg）溶解在1 ml浓缩的HF（c。hf）和0.3 mL C的混合物中。 HNO 3通过加热，并将溶液蒸发至干燥。在核医学中，必须将48 CR与目标材料和副产物进行化学分离。在这项研究中，我们使用51 cr（t 1 /2 = 27.7 d）的Nat Ti（α，Xn，Xn，Xn）51 Cr反应产生的51 cr（t 1 /2 = 27.7 d）的α-粒子辐照NAT TI（NAT =天然同位素丰度）靶标的无载液cr radiotracers的生产方法。将来，可以使用昂贵的46 Tio 2作为目标材料生产48 Cr。因此，我们还研究了CR放射性示踪剂生产后的目标材料的回收率。48，51 cr是在使用Riken AVF Cyclotron的Nat Ti（α，Xn）48，51 Cr Rections中产生的。将45 mg/cm 2的金属NAT TI板用28.9-MEV的强度为3.1粒子μA。在NAT Ti（α，X）48 V反应中还产生了48 V（T 1/2 = 16.0 D）的48 V（T 1 /2 = 16.0 D），并且作为电子捕获和β + -48 Cr的女儿（t 1/2 = 21.6 h）。希望在成像实验之前使用48 Cr的成像实验之前去除长期寿命的48 V，以增加信噪比。将辐照的NAT Ti板（63.4 mg）溶解在1 ml浓缩的HF（c。hf）和0.3 mL C的混合物中。 HNO 3通过加热，并将溶液蒸发至干燥。用1 ml的c溶解残留物。 HF加热，并将溶液蒸发至干燥。通过加热将残留物溶解在6 ml的4.5 m HF中。随后，将溶液馈入阴离子交换柱（Muromac 1x8，100-200 et chemes，10 mm i.d.×110毫米高）。用9 ml（1 ml×9）的4.5 m HF和35 mL（5 ml×7）的C洗涤树脂。 HF。组合了4.5 m HF的分数，并将3 mL用于ICP-MS测量，以确认NAT TI的污染。使用阳离子交换色谱法将4.5 m HF的其余部分蒸发至干燥，并进一步纯化48 V。将残基溶解在3 ml的0.5 m HNO 3中。溶液（1 mL×3）被送入阳离子交换柱（Muromac 50wx8，100-200 Mesh，5 mm I.D.×50毫米高）。用0.5 m HNO 3和5 ml（1 ml×5）的3 ml（1 ml×3）洗涤树脂，为6 m HNO 3。用GE检测器对阴离子和阳离子交换柱进行每个洗脱液进行γ射线光谱法进行了γ射线光谱法，以获得51 cr和48 V的洗脱曲线。以评估每个c的Nat Ti的洗脱曲线。 HF