The utility of sparse 2D fully electronically steerable focused ultrasound phased arrays for thermal surgery: a simulation study
Notice bibliographique
Résumé
Sparse arrays are widely used in diagnostic ultrasound for their strong performance and relative technical simplicity. This simulation study assessed the efficacy of phased arrays of varied sparseness for thermal surgery, especially with regard to power consumption and near-field heating. It employs a linear ultrasound propagation model and a semi-analytical solution to the Pennes' bioheat transfer equation. The basic design had 4912 cylindrical transducers (500 kHz) arranged on a flat 12 cm disk (1.5 mm spacing). This array was compared to randomly-thinned sparse arrays with 75%, 50% and 25% populations. Temperature elevations of 60 and 70 °C were induced in sonication times of 5-20 s, at foci spanning depths of 50-150 mm and radii of 0-60 mm. The sparse arrays produced nearly indistinguishable focal patterns but, averaged across the foci, required 132%, 200% and 393% of the power of the full array, respectively, applied through fewer transducer elements. Comparable results were found at 1 MHz from equivalent arrays. Simulated lesions were formed (thermal dose ⩾ 240 equivalent minutes at 43 °C (T(43))) and 'transition' and 'unsafe' regions (both defined as 5 min < T(43) < 240 min) were identified, the former immediately surrounding the lesion and the latter anywhere else. At a depth of 100 mm, sparse arrays were found to produce comparable lesions to the full array at the focus, but 'unsafe', over-heated near-field regions after some ablated lesion volume: about 12 mL for the 25% array, around 100 mL for the 50% array, while the 75% and full arrays produced 150 mL lesions safely.
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 | 0,000 |
| 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 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 ».