Simulation of Ultrasound Radio-Frequency Signals in Deformed Tissue for Validation of 2D Motion Estimation with Sub-Sample Accuracy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Motion estimation in sequences of ultrasound echo signals is essential for a wide range of applications. In time domain cross correlation, which is a common motion estimation technique, the displacements are typically not integral multiples of the sampling period. Therefore, to estimate the motion with sub-sample accuracy, 1D and 2D interpolation methods such as parabolic, cosine, and ellipsoid fitting have been introduced in the literature. In this paper, a simulation framework is presented in order to compare the performance of currently available techniques. First, the tissue deformation is modeled using the finite element method (FEM) and then the corresponding pre-/post-deformation radio-frequency (RF) signals are generated using Field II ultrasound simulation software. Using these simulated RF data of deformation, both axial and lateral tissue motion are estimated with sub-sample accuracy. The estimated displacements are then evaluated by comparing them to the known displacements computed by the FEM. This simulation approach was used to evaluate three different lateral motion estimation techniques employing (i) two separate 1D sub-sampling, (ii) two consecutive 1D sub-sampling, and (iii) 2D joint sub-sampling estimators. The estimation errors during two different tissue compression tests are presented with and without spatial filtering. Results show that RF signal processing methods involving tissue deformation can be evaluated using the proposed simulation technique, which employs accurate models.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 découle