MétaCan
Menu
Retour à la cohorte
Enregistrement W2030229003 · doi:10.1117/1.3491126

Photoacoustic and high-frequency power Doppler ultrasound biomicroscopy: a comparative study

2010· article· en· W2030229003 sur OpenAlexafffund
Yan Jiang, Tyler Harrison, Janaka C. Ranasinghesagara, Roger J. Zemp

Notice bibliographique

RevueJournal of Biomedical Optics · 2010
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhotoacoustic Doppler effectDoppler effectUltrasoundOpticsMaterials scienceBlood flowUltrasonic sensorTransducerLaserImaging phantomBiomedical engineeringLaser Doppler velocimetryPhotoacoustic imaging in biomedicinePhotoacoustic spectroscopyPhotoacoustic effectAcousticsPhysicsMedicineRadiology

Résumé

récupéré en direct d'OpenAlex

Both photoacoustic imaging and power Doppler ultrasound are capable of producing images of the vasculature of living subjects, however, the contrast mechanisms of the two modalities are very different. We present a quantitative and objective comparison of the two methods using phantom data, highlighting relative merits and shortcomings. An imaging system for combined photoacoustic and high-frequency power Doppler ultrasound microscopy is presented. This system uses a swept-scan 25-MHz ultrasound transducer with confocal dark-field laser illumination optics. A pulse-sequencer enables ultrasonic and laser pulses to be interlaced so that photoacoustic and power Doppler ultrasound images can be coregistered. Experiments are performed on flow phantoms with various combinations of vessel size, flow velocity, and optical wavelength. For the task of blood volume detection, power Doppler is seen to be advantageous for large vessels and high flow speeds. For small vessels with low flow speeds, photoacoustic imaging is seen to be more effective than power Doppler at the detection of blood as quantified by receiver operating characteristic analysis. A combination of the two modes could provide improved estimates of fractional blood volume in comparison with either mode used alone.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,759
Score d'incertitude au seuil0,686

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,247
Écart entre enseignants0,239 · 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 tête enseignante, 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

Citations12
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical OpticsMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207