A compensative model for the angle‐dependence of motion estimates in noninvasive vascular elastography
Notice bibliographique
Résumé
PURPOSE: Atherosclerosis of peripheral cerebral arteries can lead to stroke either by stenosis formation or plaque rupture. This pathology is initiated by the alteration of arterial wall mechanical properties shown to be assessable by ultrasound elastography. Recently, noninvasive vascular elastography (NIVE) was introduced for noninvasive imaging of the mechanical properties of superficial arteries as markers of vulnerable plaques. However, NIVE motion estimates are angle-dependent, with optimal scanning angle being represented by the alignment of tissue motion with ultrasound beam orientation. The objective of this study was to introduce a model that compensates for such angle-dependence in order to reduce the bias on strain estimates, namely, when investigating longitudinal vessel segments. METHODS: The model is based on the Lagrangian speckle model estimator (LSME) because the LSME assesses the 2D-deformation matrix required to compute the scanning angle. RESULTS: Experiments on vessel-mimicking phantoms indicated that such a model enables the estimation of scanning angle with less than 3-degrees error. The method was also validated in vivo in human carotid arteries where less than 4-degrees error was observed. In both cases, the compensative model estimated the inclination angles with low variability. CONCLUSION: Angle-dependence may be an important factor to consider in avoiding potentially distort clinical diagnoses. Results, reported in this article, suggest that the LSME-based compensative model might be considered as a very interesting and promising clinical tool for NIVE applications.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».