Distinguishing Air From Solid Emboli Using Ultrasound: <i>In‐Vitro</i> Study of the Effect of Doppler Carrier Frequency
Notice bibliographique
Résumé
OBJECTIVE: To compare the ability of the signal relative-intensity and sample-volume-length (SVL) to discriminate air bubbles from solid spheres in an in-vitro model using two different carrier frequencies of the Doppler transducer. METHODS: A gel ultrasound phantom was connected to a circuit in which blood-mimicking fluid circulated. Air bubbles (100-140 microm) and latex spheres (125 +/- 10 microm) were injected into the circuit and interrogated using 1- and 2-MHz transducers. High-intensity-transient-signals (HITS) were recorded with a dual-gated transcranial Doppler (TCD) system. Receiver-Operating-Characteristic curves determined the best cut-off points that would distinguish between embolic materials. RESULTS: HITS from air bubbles had higher intensities and longer SVL than solid spheres with either transducer (P < .0001). Air bubbles (P < .0001) and microspheres (P= .049) showed higher intensities with the 1-MHz relative to the 2-MHz transducer. The intensity increase with the 1-MHz transducer was greater for air bubbles than microspheres (P < .0001). The discriminating efficacy of both the relative-intensity and SVL was similar between transducers (intensity, P= .201; SVL, P= .98). CONCLUSIONS: The relative-intensity and SVL are equally effective to distinguish solid from air emboli using 1- and 2-MHz transducers. Our study indicates that using a lower carrier frequency does not improve the discrimination of air from solid emboli.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».