Publication

Can Multi-Channel FID Navigators Quantify Head Motion?

2013
Talks

Résumé

This work investigates the ability of free induction decay (FID) navigators to provide information on rigid head motion. FID navigators were incorporated in a gradient-echo sequence. In parallel, optical tracking data was acquired and served as the ground truth. Three subjects were scanned at 3T with a 32-channel head coil while performing complex head movements. A linear model was trained with a subset of the FID and optical tracking data and verified with the remainder by cross-validation. Following the linear assumption, it can be shown that FID signal changes can quantify all six motion parameters with sub-millimeter and sub-degree precision.

Source officielle

https://infoscience.epfl.ch/entities/publication/e666ac35-0120-49aa-b79f-6b62034c2fef

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2013
Talks

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/e666ac35-0120-49aa-b79f-6b62034c2fef

À propos de ce résultat

Concepts associés (28)

Régression linéaire

En statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.

Modèle linéaire généralisé

En statistiques, le modèle linéaire généralisé (MLG) souvent connu sous les initiales anglaises GLM est une généralisation souple de la régression linéaire. Le GLM généralise la régression linéaire en permettant au modèle linéaire d'être relié à la variable réponse via une fonction lien et en autorisant l'amplitude de la variance de chaque mesure d'être une fonction de sa valeur prévue, en fonction de la loi choisie.

Modèle linéaire

vignette|Données aléatoires sous forme de points, et leur régression linéaire. Un modèle linéaire multivarié est un modèle statistique dans lequel on cherche à exprimer une variable aléatoire à expliquer en fonction de variables explicatives X sous forme d'un opérateur linéaire. Le modèle linéaire est donné selon la formule : où Y est une matrice d'observations multivariées, X est une matrice de variables explicatives, B est une matrice de paramètres inconnus à estimer et U est une matrice contenant des erreurs ou du bruit.

Afficher plus

Publications associées (4)

Afficher plus

Can Multi-Channel FID Navigators Quantify Head Motion?

Chattez avec Graph Search

Alumina Dissolution Modeling in Aluminium Electrolysis Cell Considering MHD Driven Convection and Thermal Impact

A Comprehensive Stochastic Model of Window Usage: Theory and Validation

The Scrambled Net Filter