A study of matching fluid loss in a biomedical microwave tomography system
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
PURPOSE: Effective imaging of human tissue with microwave tomography systems requires a matching fluid to reduce the wave reflections at the tissue boundary. Further, in order to match the idealized mathematical model used for imaging with the complicated physical measurement environment, loss must be added to the matching fluid. Both too little and too much loss result in low-quality images, but due to the nonlinear nature of the imaging problem, the exact nature of loss-to-image quality cannot be predicted a priori. Possible optimal loss levels include a single, highly sensitive value, or a broad range of acceptable losses. Herein, the authors outline a process of determining an appropriate level of loss inside the matching fluid and attempt to determine the bounds for which the images are the highest quality. METHODS: Our biomedical microwave tomography system is designed for 2D limb imaging, operating from 0.8 to 1.2 GHz. Our matching fluid consists of deionized water with various levels of loss introduced by the addition of table salt. Using two homogeneous tissue-mimicking phantoms, and eight different matching fluids of varying salt concentrations, the authors introduce quantitative image quality metrics based on L-norms, mean values, and standard deviations to test the tomography system and assess image quality. Images are generated with a balanced multiplicative regularized contrast source inversion algorithm. The authors further generate images of a human forearm which may be analyzed qualitatively. RESULTS: The image metrics for the phantoms support the claim that the worst images occur at the extremes of high and low salt concentrations. Importantly, the image metrics show that there exists a broad range of salt concentrations that result in high-quality images, not a single optimal value. In particular, 2.5-4.5 g of table salt per liter of deionized water provide the best reconstruction quality for simple phantoms. The authors argue that qualitatively, the human forearm data provide the best images at approximately the same salt concentrations. CONCLUSIONS: There exists a relatively large-range of matching fluid losses (i.e., salt concentrations) that provide similar image quality. In particular, it is not necessary to spend time highly optimizing the level of loss in the matching fluid.
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 | 0,001 |
| 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