MétaCan
Menu
Retour à la cohorte
Enregistrement W2018011658 · doi:10.1109/tuffc.915

Pulse inversion sequences for mechanically scanned transducers

2008· article· en· W2018011658 sur OpenAlexaff
Martijn Frijlink, David E. Goertz, Nico de Jong, Antonius F. W. van der Steen

Notice bibliographique

RevueIEEE Transactions on Ultrasonics Ferroelectrics and Frequency Control · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesErasmus+Stichting voor de Technische WetenschappenBoston Scientific Corporation
Mots-clésTransducerAcousticsSecond-harmonic imaging microscopyMaterials scienceNonlinear systemSIGNAL (programming language)Image resolutionOpticsPhysicsComputer scienceSecond-harmonic generation

Résumé

récupéré en direct d'OpenAlex

Mechanically scanned transducers are currently used for tissue harmonic imaging (THI) and nonlinear microbubble imaging at high frequencies. The pulse inversion (PI) technique is widely used for suppressing the fundamental signal, but its effectiveness is reduced by relative tissue/transducer motion. In this paper, we investigate multipulse inversion (MPI) sequences that achieve a significant improvement on the fundamental suppression for mechanically scanned single-element transducers. MPI was subsequently applied on simulated and measured RF-data and relative fundamental suppression was compared with the 2-pulse PI technique. Simulations showed, for example, an increased fundamental suppression of 6 and 10 dB for MPI-sequences that combined 3 and 7 pulses, respectively, for a rotating intravascular ultrasound transducer with an interpulse angle of 0.15 degrees. Initial application of MPI sequences on RF-data from in vivo acquisitions resulted in similar fundamental suppression levels. The investigated MPI technique will help to reduce relative tissue/transducer motion effects and might lead to improved sensitivity and spatial resolution in nonlinear tissue imaging and improved microbubble detection in contrast imaging for mechanically scanned transducers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,200
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Ultrasonics Ferroelectrics and Frequency ControlMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207