Detection of brachytherapy seeds using ultrasound radio frequency signals
Notice bibliographique
Résumé
This paper proposed a novel ultrasonic imaging approach for detecting brachytherapy seeds. Accurate and fast seed localization plays a key role in computing dosimetry for prostate brachytherapy. However, currently used B-mode transrectal ultrasound (TRUS) does not adequately visualize implanted seeds, because the diameter of the seed is quite small and visualization is hampered by speckle noise and angulation of the specular reflection of the seeds. Based on the fact that much more ultrasound wave energy is reflected from metal seeds than from other scatterers in tissue, we developed a new seed detection method directly using ultrasound radio frequency (RF) signals (the raw high frequency echoes before the formation of B-mode TRUS images). It monitors the average power (a version of 2-norm) of the RF signals to measure the reflected wave energy. Each RF scan line is subdivided into a sequence of short segments with the same length and spacing. The average power of each segment is computed by the Fourier based spectra or parametric spectral analysis approaches. In the new method, the logarithmic compression is not applied to the raw RF data, and the average power is proportional to the sum of the square of the signal amplitude. Therefore, it produces significantly higher contrast than conventional B-mode TRUS. Furthermore, the average power algorithm can be implemented very efficiently since no numerical optimization is required. Phantom and ex-vivo experiments show that the average power technique successfully detects implanted brachytherapy seeds, and produces superior results compared with B-mode TRUS imaging.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».