MétaCan
Menu
Retour à la cohorte
Enregistrement W2078351243 · doi:10.5539/apr.v5n2p1

Investigation of Frequency Analysis Methods for Doppler Ultrasound Systems

2013· article· en· W2078351243 sur OpenAlexvenueno aff
Tatsuro Baba

Notice bibliographique

RevueApplied Physics Research · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Sensor Networks for Data Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFast Fourier transformComputer scienceAutocorrelationDoppler effectSIGNAL (programming language)Frequency domainBlood flowSensitivity (control systems)Frequency analysisAcousticsSignal processingElectronic engineeringDigital signal processingComputer visionAlgorithmPhysicsMathematicsComputer hardware

Résumé

récupéré en direct d'OpenAlex

Due to the advances of electronic and semiconductor technologies in recent years, it is possible to realize complex, low cost, low size, and low power consumption, high-speed signal processing devices. The progress of these devices has enabled the development of the medical Doppler ultrasound system. Color flow mapping (CFM), which is one of the display mode of Doppler ultrasound, requires high-speed multi-point (two- or three-dimensional) frequency analyses. From its birth till today, a complex autocorrelation (AC) method has been used for CFM because of its simplicity. In this paper, I propose the fast Fourier transform (FFT) method for the frequency analysis of CFM. CFM differs from spectrum Doppler, which shows accurate information of the blood flow in a narrow domain of a tomogram image. CFM uses color expression to display coarse information of the blood flow, such as mean velocity, intensity, and distribution. Because the calculation load of the frequency analysis is very small, the AC method has been used. However, by exploiting recent advances in hardware, new frequency analysis methods can be applied. In this paper, I evaluate a novel frequency analysis method based on FFTs, and compare its performance with the conventional AC method. Based on the results obtained, I reach the followings conclusions. With respect to mean velocity, the FFT method performs well when blood flow sensitivity is low. However, when blood flow sensitivity is high, the performance of the AC method is superior. Moreover, with respect to the distribution, compared to the FFT method, the AC method does not perform well under aliasing conditions. The AC method is effective only when the distribution is small.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,103
Tête enseignante GPT0,391
Écart entre enseignants0,288 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physics ResearchMême sujetWireless Sensor Networks for Data AnalysisTravaux en français237 207