Modeling strategies of ultrasound backscattering by blood
Notice bibliographique
Résumé
Tissue characterization using ultrasound (US) scattering can allow the identification of relevant cellular biophysical information noninvasively. The characterization of the level of red blood cell (RBC) aggregation is one of the proposed applications. Different modeling strategies have been investigated by our group to better understand the mechanisms of US backscattering by blood, and to propose relevant measurable indices of aggregation. It could be hypothesized from these studies that the microstructure formed by RBC clusters is a main determinant of US backscattered power. The structure factor, which is related to the Fourier transform of the microscopic density function of RBCs, is described and used to explain the scattering behavior for different spatial arrangements of nonaggregated and aggregated RBCs. The microscopic density function was described by the Percus–Yevick approximation (nonaggregated RBCs), and for aggregated RBCs, by the Poisson distribution, the Neyman–Scott point process, and very recently by a flow-dependent rheological model. These statistical and microrheological models allowed the study of US backscattered power as a function of the hematocrit, scatterers’ size, insonification frequency, and level of RBC aggregation. Experimental results available from the literature were used to validate the different approaches. [Work supported by Canadian Institutes of Health Research (MOP-36467), HSFQ, FCAR, and FRSQ.]
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».