A novel fast full inversion based breast ultrasound elastography technique
Notice bibliographique
Résumé
Cancer detection and classification have been the focus of many imaging and therapeutic research studies. Elastography is a non-invasive technique to visualize suspicious soft tissue areas where tissue stiffness is used as image contrast mechanism. In this study, a breast ultrasound elastography system including software and hardware is proposed. Unlike current elastography systems that image the tissue strain and present it as an approximation to relative tissue stiffness, this system is capable of imaging the breast absolute Young's modulus in fast fashion. To improve the quality of elastography images, a novel system consisting of two load cells has been attached to the ultrasound probe. The load cells measure the breast surface forces to be used for calculating the tissue stress distribution throughout the breast. To facilitate fast imaging, this stress calculation is conducted by an accelerated finite element method. Acquired tissue displacements and surface force data are used as input to the proposed Young's modulus reconstruction technique. Numerical and tissue mimicking phantom studies were conducted for validating the proposed system. These studies indicated that fast imaging of breast tissue absolute Young's modulus using the proposed ultrasound elastography system is feasible. The tissue mimicking phantom study indicated that the system is capable of providing reliable absolute Young's modulus values for both normal tissue and tumour as the maximum Young's modulus reconstruction error was less than 6%. This demonstrates that the proposed system has a good potential to be used for clinical breast cancer assessment.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».