Toward Automated Manufacturing of RF Coils: Microstrip Resonators for 4.7 T Using 3D-Printed Dielectrics and Conductors


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Microstrip transmission line (MTL) resonators are widely used as radio-frequency (RF) transceiver coils in high-field magnetic resonance imaging (MRI). Typically, discrete capacitors are used to tune the MTL resonators to the Larmor frequency and to match to the 50 Ω characteristic impedance of the RF chain. The cost, availability, and labor-intensive work of soldering capacitors on each coil contribute significantly to the expense of RF coil arrays for MRI; therefore, a manufacturing method with lower cost and fewer processing steps is desirable. The additive manufacturing method of rapid prototyping offers a new method to build custom-designed MTL resonators with reduced fabrication steps and, potentially, cost. This feasibility study explores fused deposition modelling to 3D print the MTL resonator structure simultaneously with matching/tuning capacitors and conductors. Typical low-cost 3D printers are capable of printing only polymers, not metal and polymer printing in one machine. In this work, a low-cost 3D printer was modified by adding the capability to print conductive ink and used to print MTL resonators with monolithic parallel-plate capacitors. These integrated capacitors eliminate the repetitive work of soldering, and tuning is achieved by trimming the capacitor plates. In addition, 3D printing allows unconventional designs that minimize the amount of dielectric below the microstrip and, therefore, losses in the substrate. Resulting signal-to-noise ratio values using ink conductors are within 30% of those achieved with copper despite a resistivity that is two orders of magnitude higher. This performance gap can be addressed using newer inks that have much lower resistivity.

Об авторах

Saeed Javidmehr

Department of Electrical and Computer Engineering, University of Alberta, DICE 11-324

Email: dezanche@ualberta.ca
Канада, Edmonton, AB, T6G 1H9

Adam Maunder

Department of Electrical and Computer Engineering, University of Alberta, DICE 11-324

Email: dezanche@ualberta.ca
Канада, Edmonton, AB, T6G 1H9

Mojgan Daneshmand

Department of Electrical and Computer Engineering, University of Alberta, DICE 11-324

Автор, ответственный за переписку.
Email: daneshmand@ualberta.ca
Канада, Edmonton, AB, T6G 1H9

Nicola De Zanche

Department of Medical Physics, Alberta Health Services, Cross Cancer Institute; Division of Medical Physics, Department of Oncology, University of Alberta

Автор, ответственный за переписку.
Email: dezanche@ualberta.ca
ORCID iD: 0000-0003-4424-8430
Канада, 11560 University Avenue, Edmonton, AB, T6G 1Z2; Edmonton, AB

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Springer-Verlag GmbH Austria, part of Springer Nature, 2019

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».