MétaCan
Menu
Retour à la cohorte
Enregistrement W2040356915 · doi:10.3390/s140917807

Implementation of a Rotational Ultrasound Biomicroscopy System Equipped with a High-Frequency Angled Needle Transducer — Ex Vivo Ultrasound Imaging of Porcine Ocular Posterior Tissues

2014· article· en· W2040356915 sur OpenAlexaff
Tae‐Hoon Bok, Juho Kim, Jinho Bae, Chong Hyun Lee, Dong‐Guk Paeng

Notice bibliographique

RevueSensors · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésTransducerScleraUltrasoundUltrasound biomicroscopyUltrasonic sensorMaterials scienceOpticsFocal lengthBiomedical engineeringAcousticsLens (geology)MedicinePhysicsSurgery

Résumé

récupéré en direct d'OpenAlex

The mechanical scanning of a single element transducer has been mostly utilized for high-frequency ultrasound imaging. However, it requires space for the mechanical motion of the transducer. In this paper, a rotational scanning ultrasound biomicroscopy (UBM) system equipped with a high-frequency angled needle transducer is designed and implemented in order to minimize the space required. It was applied to ex vivo ultrasound imaging of porcine posterior ocular tissues through a minimal incision hole of 1 mm in diameter. The retina and sclera for the one eye were visualized in the relative rotating angle range of 270°~330° and at a distance range of 6~7 mm, whereas the tissues of the other eye were observed in relative angle range of 160°~220° and at a distance range of 7.5~9 mm. The layer between retina and sclera seemed to be bent because the distance between the transducer tip and the layer was varied while the transducer was rotated. Certin features of the rotation system such as the optimal scanning angle, step angle and data length need to be improved for ensure higher accuracy and precision. Moreover, the focal length should be considered for the image quality. This implementation represents the first report of a rotational scanning UBM system.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,230
Écart entre enseignants0,225 · 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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetOptical Coherence Tomography ApplicationsTravaux en français237 207