Validation of high-frequency ultrasound measurements of tissue layer thickness
Notice bibliographique
Résumé
High-frequency ultrasound imaging enables nondestructive measurement of layer thickness in tissue specimens. These measurements are valuable for mechanical testing of soft biomaterials. This paper demonstrates a method for assessing the accuracy of high-resolution ultrasonic thickness estimates. Three-dimensional images of six porcine aortic valve cusps were acquired in vitro using a 40 MHz ultrasound system with 40×80×80 μm3 spatial resolution. The cusps were then frozen in liquid nitrogen, sectioned into 10-μm slices, and micrographs of one slice from each specimen were acquired at 4× magnification. The two-dimensional micrographs were registered to the three-dimensional ultrasound images using a cross-correlation method. The boundaries of the fibrosa, spongiosa, and ventricularis layers were segmented in both sets of images using an active contour model. The average thicknesses of the tissue layers in the registered images were estimated and the absolute differences of the optical and ultrasonic estimates were computed. The absolute differences were 55.8±22.6 μm (mean ± standard deviation), 23.5±14.3 μm, and 22.7±17.2 μm for the fibrosa, spongiosa, and ventricularis, respectively. The measurement differences are comparable to the axial resolution of the ultrasound system and are not significant as determined by t-tests (p>0.30 for each layer).
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».