MétaCan
Menu
Retour à la cohorte
Enregistrement W2102630002 · doi:10.1016/j.ultrasmedbio.2014.07.006

Acoustic Assessment of a Konjac–Carrageenan Tissue-Mimicking Material at 5–60 MHz

2014· article· en· W2102630002 sur OpenAlexaboutno aff
David A. Kenwright, Neelaksh Sadhoo, Srinath Rajagopal, T. Anderson, Carmel M. Moran, Patrick W. F. Hadoke, Gillian A. Gray, Bajram Zeqiri, Peter R. Hoskins

Notice bibliographique

RevueUltrasound in Medicine & Biology · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensnon disponible
Organismes subventionnairesTechnological University DublinBritish Heart Foundation
Mots-clésMaterials scienceAttenuationBroadbandUltrasoundAcousticsBiomedical engineeringAcoustic attenuationOpticsMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

The acoustic properties of a robust tissue-mimicking material based on konjac–carrageenan at ultrasound frequencies in the range 5–60 MHz are described. Acoustic properties were characterized using two methods: a broadband reflection substitution technique using a commercially available preclinical ultrasound scanner (Vevo 770, FUJIFILM VisualSonics, Toronto, ON, Canada), and a dedicated high-frequency ultrasound facility developed at the National Physical Laboratory (NPL, Teddington, UK), which employed a broadband through-transmission substitution technique. The mean speed of sound across the measured frequencies was found to be 1551.7 ± 12.7 and 1547.7 ± 3.3 m s21, respectively. The attenuation exhibited a non-linear dependence on frequency, f (MHz), in the form of a polynomial function: 0.009787f2 1 0.2671f and 0.01024f2 1 0.3639f, respectively. The characterization of this tissue-mimicking material will provide reference data for designing phantoms for preclinical systems, which may, in certain applications such as flow phantoms, require a physically more robust tissuemimicking material than is currently available.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,314
Écart entre enseignants0,302 · 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

Citations16
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUltrasound in Medicine & BiologyMême sujetUltrasound Imaging and ElastographyTravaux en français237 207