Passive mapping of acoustic sources within the human skull cavity with a hemispherical sparse array using computed tomography-based aberration corrections
Notice bibliographique
Résumé
Traditionally, the use of ultrasound (US) in the brain has been limited by the skull bone, which presents unique challenges for both transcranial therapy and imaging due to its attenuating and aberrating effects, which become more prevalent at higher US frequencies. On transmit, these skull-induced aberrations can be overcome through the use of large-aperture phased array transducers with appropriate driving frequencies, combined with computed tomography (CT)-based bone morphology and numerical models to derive element driving signals which minimize the distortions. Recently, we have demonstrated in silico that an analogous approach can be performed during beamforming on receive, to allow for passive acoustic imaging over a large region within the skull cavity [Jones et al., Phys. Med. Biol. 58, 4981–5005 (2013)]. We will present preliminary results obtained from applying this technique experimentally with a hemispherical (30 cm diam.) sparse receiver array (128 piezo-ceramic elements, 2.5 mm diam., and 612 kHz center frequency) to image acoustic sources through an ex vivo human skullcap. Images produced using non-invasive CT-based skull corrections will be compared with those obtained through an invasive hydrophone-based correction approach, and with images formed without skull-specific corrections. This technique has promising applications in both cavitation-mediated transcranial focused ultrasound therapies, by providing a method for treatment monitoring and control, as well as in ultrasound angiographic imaging of the brain.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».