Optical-Flow-Based B-Mode Elastography: Application in the Hypertensive Rat Carotid
Notice bibliographique
Résumé
Background-Ultrasound elastography is now used worldwide in tissue characterization. The primary premises of elastography are that speckle kinematics reproduces underlying tissue kinematics and that tissue motion can be inferred from speckle tracking. This implicitly assumes that speckle pattern is a material property that can be tracked with respect to time and space. It is then convenient to express the motion of such a material property in terms of total derivative, also known as optical flow (OF) equations. Aims-The present paper introduces a new iterative OF-based elastography (OFBE) method devoted to B-mode data. The first OFBE iteration computes axial and lateral displacement fields. Such displacement fields are used for data rigid registration, prior to the second OFBE iteration which computes the 2-D strain tensor. Methods-The OFBE method was validated in the common carotid artery of rat hypertension models. The effect of aging on carotid stiffness was investigated in female recombinant inbred rats (RI-17, (n=2)) in the first experiment. The outcomes of low/high-salt diets were examined in young male Dahl salt-sensitive rats (SS, n=6; SM12, n=6; SM9, n=6) in the second experiment. Results-Good concordance was observed between left and right carotid axial strain measurements with 11.4% relative error, whereas 4.6% relative error occurred between diastolic and systolic axial strain measurements. Old (80 and 85 weeks) RI-17 carotids were determined to be twice as stiff with 5.70 +/- 0.97% (strain+/-std) as young carotids (30 and 34 weeks) with 13.26 +/- 2.73%, p < 0.001. Carotid axial strain measurement also indicated that salt diets had a significant impact on SS (p=0.008) and SM12 (p < 0.001) but not on SM9 (p=0.881) rats.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».