MétaCan
Menu
Retour à la cohorte
Enregistrement W2072047784 · doi:10.1109/tuffc.2010.1708

Sub-sample displacement estimation from digitized ultrasound RF signals using multi-dimensional polynomial fitting of the cross-correlation function

2010· article· en· W2072047784 sur OpenAlexaff
Reza Zahiri Azar, Orçun Göksel, Septimiu E. Salcudean

Notice bibliographique

RevueIEEE Transactions on Ultrasonics Ferroelectrics and Frequency Control · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDisplacement (psychology)MathematicsSpline (mechanical)Cross-correlationLegendre polynomialsPolynomialMathematical analysisGeometryOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

A widely used time-domain technique for motion or delay estimation between digitized ultrasound RF signals involves the maximization of a discrete pattern-matching function, usually the cross-correlation. To achieve sub-sample accuracy, the discrete pattern-matching function is interpolated using the values at the discrete maximizer and adjacent samples. In prior work, only 1-D fit, applied separately along the axial, lateral, and elevational axes, has been used to estimate the sub-sample motion in 1-D, 2-D, and 3-D. In this paper, we explore the use of 2-D and 3-D polynomial fitting for this purpose. We quantify the estimation error in noise-free simulations using Field II and experiments with a commercial ultrasound machine. In simulated 2-D translational motions, function fitting with quartic spline polynomials leads to maximum bias of 0.2% of the sample spacing in the axial direction and 0.4% of the sample spacing in the lateral direction, corresponding to 38 nm and 1.31 μm, respectively. The maximum standard deviations were approximately 1% of the sample spacing in both the axial and the lateral directions, corresponding to 193 nm axially and 4.43 μm laterally. In simulated 1% axial strain, the same function fitting leads to mean absolute displacement estimation errors of 255 nm in the axial direction and 4.77 μm in the lateral direction. In experiments with a linear array transducer, 2-D quartic spline fitting leads to maximum bias of 458 nm and 6.27 μm in the axial and the lateral directions, respectively. These results are more than one order of magnitude smaller than those obtained with separate 1-D fit when applied to the same data set. Simulations and experiments in 3-D yield similar results when comparing 3-D polynomial fitting with 1-D fitting along the axial, lateral, and elevational directions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,253
Écart entre enseignants0,242 · 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

Citations56
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Ultrasonics Ferroelectrics and Frequency ControlMême sujetUltrasound Imaging and ElastographyTravaux en français237 207