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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 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 ».