MétaCan
Menu
Retour à la cohorte
Enregistrement W2115850469 · doi:10.1109/ultsym.2015.0306

Reducing the number of receiving channels using transmit-receive symmetry in synthetic transmit aperture imaging

2015· article· en· W2115850469 sur OpenAlexaff
Ying Li, Ping Gong, Michael C. Kolios, Yuan Xu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésHadamard transformComputer scienceAperture (computer memory)Transmission (telecommunications)Image qualityCoded apertureMultiplexingSIGNAL (programming language)Electronic engineeringPhysicsComputer visionTelecommunicationsImage (mathematics)AcousticsEngineering

Résumé

récupéré en direct d'OpenAlex

Synthetic transmit aperture (STA) imaging has been widely studied in ultrasound imaging. Usually the number of receiving channels is the same as the number of the array elements (N). When the number of receiving channels is large, such as the matrix array for 3D imaging, the system cost will be high due to the receiving electronics for each element. Therefore, it is desirable to reduce the number of receiving channels while keeping a large number of transmit channels. In this paper, we studied with Field II Hadamard-encoded synthetic transmit aperture imaging systems with about N/2, N/4 and N/8 receiving channels. There were N Hadamard-encoded transmission events for one frame of image. The pseudoinverse was applied to the acquired RF data to estimate the equivalent signal in the traditional STA. We found that applying the transmit-receive symmetry of RF signals can reduce the receiving channels by half without compromising image quality. We also compared different methods to encode the receivers when the receiving channels were reduced to about N/4 and N/8.

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)0,003
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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,020
Tête enseignante GPT0,279
Écart entre enseignants0,260 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUltrasound Imaging and ElastographyTravaux en français237 207