Applying ultrasound beamformers to photoacoustic imaging
Notice bibliographique
Résumé
While single-element ultrasound (US) transducer-based photoacoustic (PA) systems have provided stunning images, they suffer from the problem of speed: they are limited in scan speed due to inevitable motion artifacts, and limited in imaging speed due to their inability to capture multiple depth images at once. Array transducers offer advantages in electronic scanning and the ability to form an image from few excitations. However, whereas a single element transducer can produce an Aline simply by taking the envelope of the received voltage traces, array transducers depend on beamforming to provide images. In commercial array US systems, the beamforming operation has traditionally been done in hardware, offering speed in exchange for flexibility. PA array systems would benefit from being able to take advantage of commercial US systems to avoid excessive hardware design, but the beamforming presents a challenge beyond that of laser synchronization and US output suppression. Many US array systems offer the ability to adjust the speed of sound (c) to compensate for differences in the mechanical properties of different materials. Typical US beamformers are based on a second-order approximation of delays that are used to refocus the incoming US data, so the optimal choice of c is scaled by √2 rather than two as one might at first surmise. Using this second order approximation along with some image rescaling, we show that US beamformers typical in commercial systems can be adapted for use in PA imaging by adjustment of c, and some image coordinate remapping.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 0,002 |
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 ».