Performance evaluation of different implementations of the Lagrangian speckle model estimator for non-invasive vascular ultrasound elastography
Notice bibliographique
Résumé
Non-invasive vascular ultrasound elastography (NIVE) was recently introduced to characterize mechanical properties of carotid arteries for stroke prevention. Using the Lagrangian speckle model estimator (LSME), the four components of the 2D deformation matrix (delta), which are the axial strain (delta(yy)) and shear (delta(yx)) and the lateral strain (delta(xx)) and shear (delta(xy)), can be computed. This paper overviews four different implementations of the LSME and addresses their reliability. These implementations include two unconstrained (L&M and L&M+) and one constrained (ITER(c)) iterative algorithms, and one optical flow-based (OF-based) algorithm. The theoretical frameworks were supported by biomechanical simulations of a pathology-free vessel wall and by one single layer vessel-mimicking phantom study. Regarding simulations, the four LSME implementations provided similar biases on axial motion parameters, except the L&M that outperformed other methods with a minimum strain bias of -3%. LSME axial motion estimates showed good consistence with theory, namely the OF-based algorithm that in a specific instance estimated delta(yy) with no relative error on the standard deviation. With regards to lateral motion parameters, ITER(c) exhibited a minimum strain bias of -8.5% when ultrasound beam and motion mostly run parallel, whereas L&M performs strain and shear estimates with less than 23% bias independently of orientations. The in vitro vessel phantom data showed LSME delta(yy) and delta(yx) maps that were qualitatively equivalent to theory, and noisy delta(xx) and delta(xy) elastograms. In summary, the authors propose to promote the OF-based LSME as an optimal choice for further applications of NIVE, because of its reliability to compute both axial strain and shear motion parameters and because it outperformed the other implementations by a factor of 30 or more in terms of processing time.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».