MétaCan
Menu
Retour à la cohorte
Enregistrement W2132693867 · doi:10.1109/tuffc.2010.1709

2-D high-frame-rate dynamic elastography using delay compensated and angularly compounded motion vectors: Preliminary results

2010· article· en· W2132693867 sur OpenAlexaff
Reza Zahiri Azar, Ali Baghani, Septimiu E. Salcudean, Robert Rohling

Notice bibliographique

RevueIEEE Transactions on Ultrasonics Ferroelectrics and Frequency Control · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésImaging phantomFrame rateElastographyPhysicsAcousticsMotion compensationMotion estimationOpticsMaterials scienceComputer scienceComputer visionUltrasound

Résumé

récupéré en direct d'OpenAlex

This paper describes a new ultrasound-based system for high-frame-rate measurement of periodic motion in 2-D for tissue elasticity imaging. Similarly to conventional 2-D flow vector imaging, the system acquires the RF signals from the region of interest at multiple steering angles. A custom sector subdivision technique is used to increase the temporal resolution while keeping the total acquisition time within the range suitable for real-time applications. Within each sector, 1-D motion is estimated along the beam direction. The intra- and inter-sector delays are compensated using our recently introduced delay compensation algorithm. In-plane 2-D motion vectors are then reconstructed from these delay-compensated 1-D motions. We show that Young's modulus images can be reconstructed from these 2-D motion vectors using local inversion algorithms. The performance of the system is validated quantitatively using a commercial flow phantom and a commercial elasticity phantom. At the frame rate of 1667 Hz, the estimated flow velocities with the system are in agreement with the velocity measured with a pulsed-wave Doppler imaging mode of a commercial ultrasound machine with manual angle correction. At the frame rate of 1250 Hz, phantom Young's moduli of 29, 6, and 54 kPa for the background, the soft inclusion, and the hard inclusion, are estimated to be 30, 11, and 53 kPa, respectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,952
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,229
Écart entre enseignants0,222 · 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 tête enseignante, pas un consensus.

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

Citations29
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Ultrasonics Ferroelectrics and Frequency ControlMême sujetUltrasound Imaging and ElastographyTravaux en français237 207