Localization of spherical lesions in tumor-mimicking phantoms by 3D sparse array photoacoustic imaging
Notice bibliographique
Résumé
PURPOSE: The authors have developed a sparse-array photoacoustic imaging (SPAI) system that is capable of mapping 3D distributions of optical absorption using a small number of laser pulses with no mechanical scanning needed. In previous studies, the authors have shown the localization accuracy and the high frame-rate image acquisition on simple phantoms with limited medical relevance. The purpose of this study was to test the imaging capabilities of SPAI in the context of breast tumor detection and localization. METHODS: The authors constructed an array of phantoms that include spherical lesions of sizes 1.5-9 mm, buried in highly scattering tissue phantoms at depths of 3-30 mm. The authors investigated both homogeneous lesions made of blood at varying concentrations and heterogeneous lesions containing vessel-like structures. Volumetric images of the deeply buried lesions were taken at increasingly shallower depths and image-based localization was compared to measured depth. RESULTS: The authors were able to detect and accurately localize homogeneous lesions having a realistic absorption coefficient of 0.2 cm(-1) down to depths of 9-20 mm, and heterogeneous lesions containing 0.5 mm diameter vessel-like structures down to depths of 13-20 mm. Image acquisition required 2.5 s for each volumetric lesion image. CONCLUSIONS: These results suggest that 3D SPAI can detect highly vascularized lesions well below 1 cm in diameter and can overcome optical scatter of tissue to depths of 1-2 cm. With further improvement in the sensitivity and noise characteristics of the imaging system, similar imaging depths should be within reach in real breast tissue. The method, due to its optical contrast, 3D imaging, and fast acquisition, may prove useful in the clinic as an adjunct to existing breast screening tools.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».