Statistical analysis of decorrelation‐based transducer tracking for three‐dimensional ultrasound
Notice bibliographique
Résumé
The use of speckle decorrelation techniques to calculate the displacement of a moving transducer has shown promise. We describe a technique to estimate displacement between pairs of parallel planes without assuming that plane separation in the scan is uniform. We perform theoretical and empirical analyses of the bias and uncertainty in plane spacing estimates as a function of speckle size, patch size, and the number of planes used for normalization. Practically, only the central, linear region of the autocovariance curves can be used in this decorrelation method, which implies that distance between acquired image planes should be approximately half the speckle size. In this region, the uncertainty in estimated plane spacing was less than 15% for a 8.1 mm (axial) by 9.1 mm (lateral) patch and increased to 33% for an 8.1 mm (axial) by 1.5 mm (lateral) patch. The number of planes, Nz, used to calculate the normalization factors (averages of brightness and- squared brightness) was a major source of bias. Optimum Nz was found to be five to ten planes, depending on distance between acquired image planes, with a poor choice of Nz resulting in a bias of 10% or greater. A second source of bias is brightness gradients which, although they appear very slight on intensity images, can cause a large bias is the plane spacing estimates made using linearized data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».