Needle detection in curvilinear ultrasound images based on the reflection pattern of circular ultrasound waves
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Ultrasound imaging provides a low-cost, real-time modality to guide needle insertion procedures, but localizing the needle using conventional ultrasound images is often challenging. Estimating the needle trajectory can increase the success rate of ultrasound-guided needle interventions and improve patient comfort. In this study, a novel method is introduced to localize the needle trajectory in curvilinear ultrasound images based on the needle reflection pattern of circular ultrasound waves. METHODS: A circular ultrasound wave was synthesized by sequentially firing the elements of a curvilinear transducer and recording the radio-frequency signals received by each element. Two features, namely, the large amplitude and repetitive reflection pattern, were used to identify the needle echoes in the received signals. The trajectory of the needle was estimated by fitting the arrival times of needle echoes to an equation that describes needle reflection of circular waves. The method was employed to estimate the trajectories of needles inserted in agar phantom, beef muscle, and porcine tissue specimens. RESULTS: The maximum error rates of estimating the needle trajectories were on the order of 1 mm and 3° for the radial and azimuth coordinates, respectively. CONCLUSIONS: These results suggest that the proposed method can improve the robustness and accuracy of needle segmentation methods by adding signature-based detection of the needle trajectory in curvilinear ultrasound images. The method can be implemented on conventional ultrasound imaging systems.
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.
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 découle