Single-ensemble-based eigen-processing methods for color flow imaging - Part II. The matrix pencil estimator
Notice bibliographique
Résumé
Parametric spectral estimators can potentially be used to obtain flow estimates directly from raw slow-time ensembles whose clutter has not been suppressed. We present a new eigen-based parametric flow estimation method called the matrix pencil, whose principles are based on a matrix form under the same name. The presented method models the slow-time signal as a sum of dominant complex sinusoids in the slow-time ensemble, and it computes the principal Doppler frequencies by using a generalized eigen-value problem-formulation and matrix rank reduction principles. Both fixed rank (rank-one, rank-two) and adaptive-rank matrix pencil flow estimators are proposed, and their potential applicability to color flow signal processing is discussed. For the adaptive-rank estimator, the nominal rank was defined as the minimum eigen-structure rank that yields principal frequency estimates with a spread greater than a prescribed bandwidth. In our initial performance evaluation, the fixed-rank matrix pencil estimators were applied to raw color flow data (transmit frequency: 5 MHz; pulse repetition period: 0.175 ms; ensemble size: 14) acquired from a steady flow phantom (70 cm/s at centerline) that was surrounded by rigid-tissue-mimicking material. These fixed-rank estimators produced velocity maps that are well correlated with the theoretical flow profile (correlation coefficient: 0.964 to 0.975). To facilitate further evaluation, the matrix pencil estimators were applied to synthetic slow-time data (transmit frequency: 5 MHz; pulse repetition period: 1.0 ms; ensemble size: 10) modeling flow scenarios without and with tissue motion (up to 1 cm/s). The bias and root-mean-squared error of the estimators were computed as a function of blood-signal-to-noise ratio and blood velocity. The matrix pencil flow estimators showed that they are comparatively less biased than most of the existing frequency-based flow estimators like the lagone autocorrelator.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,003 | 0,001 |
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 ».