A Fast Constrained Nonlinear Elastography Technique: Polyvinyl Alcohol (PVA) Phantom Study Using the Veronda-Westman Model
Notice bibliographique
Résumé
Breast elastography has been proposed as a novel imaging modality for breast cancer detection and assessment. As pathologies are known to change tissue stiffness significantly, the idea behind elastography is using tissue stiffness as imaging contrast agent. Evidence in the literature suggests that various pathological tissues exhibit different mechanical stiffness characteristics. Therefore, in addition to the ability of detecting the presence of abnormalities, elastography is capable of pathological tissue classification. In this work, we propose a novel nonlinear (hyperelastic) breast elastography system which takes into account tissue large deformations resulting from mechanical stimulation. To idealize breast tissue, we use the well-known Veronda-Westman model as the forward problem solution in the hyperelastic parameter reconstruction process. This process involves tissue mechanical stimulation, displacement data acquisition followed by solving an inverse problem to find the hyperelastic parameters iteratively. These parameters are useful for in vivo tumor classification, image guided surgery and Virtual Reality systems development. Due to the exponential form of the Veronda-Westman function, however, this model cannot be solved using inverse-matrix techniques. Therefore, we have developed a novel technique to solve the corresponding nonlinear inverse problem. To validate the technique, we used an experimental breast tissue mimicking phantom that was made up of PVA-C (Polyvinyl Alcohol), which exhibits nonlinear mechanical behavior. Displacement data was acquired using a combination of Time Domain Cross-Correlation Estimation (TDE) and Horn-Schunck Optical Flow techniques.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».