Multi-dimensional sub-sample motion estimation: Initial results
Notice bibliographique
Résumé
Motion estimation in ultrasound images lies at the heart of many modern signal processing applications. Therefore, its computational cost, accuracy, and precision are of significant importance. In this work, we consider the problem of 3D subsample motion estimation. Extending our previous 2D work, we define a 3D polynomial interpolation function that fits the discrete pattern matching coefficients obtained from digitized 3D echo data. A joint estimation of the axial, lateral and elevational motion is obtained by finding the extremum of this 3D polynomial fit. We study this method using a synthetic phantom and the Field II ultrasound simulation software. The mean absolute axial, lateral, and elevational biases of the proposed 3D polynomial fitting were found to be 0.0066, 0.0075, and 0.0047 of a sample (corresponding to 127 nm, 2.25 ¿m, and 710 nm), respectively, for an axial sampling of 40 MHz (¿ 19.3 ¿m), a lateral sampling of 300 ¿m, and an elevational sampling of 150 ¿m. The mean axial, lateral, and elevational standard deviations of the proposed 3D polynomial fitting were found to be 0.0130, 0.0290, and 0.0569 of a sample (corresponding to 250 nm, 8.71 ¿m, and 8.54 ¿m), respectively. Experimental results demonstrating the viability of the proposed method are also presented.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».