MétaCan
Menu
Retour à la cohorte
Enregistrement W2062974097 · doi:10.1117/12.2005061

Improving the quality of photoacoustic images using the short-lag spatial coherence imaging technique

2013· article· en· W2062974097 sur OpenAlexaff
Behnaz Pourebrahimi, Sangpil Yoon, Dustin Dopsa, Michael C. Kolios

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2013
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésClutterBeamformingComputer scienceImage qualityPoint targetImage resolutionCoherence (philosophical gambling strategy)Point spread functionSynthetic aperture radarSpatial coherenceNoise (video)OpticsComputer visionPhysicsImage (mathematics)TelecommunicationsRadar

Résumé

récupéré en direct d'OpenAlex

Clutter noise is an important challenge in photocoustic (PA) and ultrasound (US) imaging as they degrade the image quality. In this paper, the short-lag spatial coherence (SLSC) imaging technique is used to reduce clutter and side lobes in PA images. In this technique, images are obtained through the spatial coherence of PA signals at small spatial distances across the transducer aperture. The performance of this technique in improving image quality and detecting point targets is compared with a conventional delay-and-sum (DAS) beamforming technique. A superior contrast, contrast-to-noise ratio (CNR) and signal-to-noise ratio (SNR) are observed when SLSC imaging is employed. Point spread function of point targets shows an improved spatial resolution and reduced side lobes when compared with DAS beamforming. Also shown is the impact of increasing the number of frames on which SLSC is applied. The results show that contrast, CNR, and SNR are improved with increasing number of frames.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,472
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,242
Écart entre enseignants0,229 · 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 tête enseignante, pas un consensus.

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

Citations43
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207