Needle-tissue interaction modeling using ultrasound-based motion estimation: Phantom study
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
Needle insertion simulators find use in a number of medical interventions, such as prostate brachytherapy. A needle insertion simulator has three main components: the needle model, the tissue model, and the model of interaction between the needle and the tissue. In this paper, a new methodology is introduced for the joint modeling of tissue and needle-tissue interactions. The approach consists of the measurement of tissue motion using ultrasound, and of the needle position and base force. Tissue motion is determined using a correlation-based algorithm that processes the ultrasound radiofrequency data. The tissue elastic parameters and the parameters of the tissue-needle interaction model are determined by using numerical optimization to match the response of the needle insertion model to the measured data. Phantom experiments were carried out in which a brachytherapy needle was inserted into a two-layer non-homogeneous phantom mimicking a prostate and its surrounding tissue. Experimental results show good agreement with the model obtained. In particular, the parameters of a three-parameter force model were identified for each layer of the phantom to fit the measured force to the simulated one. Also, the Young's modulus of each layer was identified to match the measured and simulated nodal axial displacements. This is the first report of the use of ultrasound radiofrequency data to characterize tissue motion during needle insertion. As the method is non-invasive and does not involve ionizing radiation, its application in patient studies is feasible.
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