Imaging Electrical Impedance From Acoustic Measurements by Means of Magnetoacoustic Tomography With Magnetic Induction (MAT-MI)
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
We have conducted computer simulation and experimental studies on magnetoacoustic-tomography with magnetic induction (MAT-MI) for electrical impedance imaging. In MAT-MI, the object to be imaged is placed in a static magnetic field, while pulsed magnetic stimulation is applied in order to induce eddy current in the object. In the static magnetic field, the Lorentz force acts upon the eddy current and causes acoustic vibrations in the object. The propagated acoustic wave is then measured around the object to reconstruct the electrical impedance distribution. In the present simulation study, a two-layer spherical model is used. Parameters of the model such as sample size, conductivity values, strength of the static and pulsed magnetic field, are set to simulate features of biological tissue samples and feasible experimental constraints. In the forward simulation, the electrical potential and current density are solved using Poisson's equation, and the acoustic pressure is calculated as the forward solution. The electrical impedance distribution is then reconstructed from the simulated pressure distribution surrounding the sample. The present computer simulation results suggest that MAT-MI can reconstruct conductivity images of biological tissue with high spatial resolution and high contrast. The feasibility of MAT-MI in providing high spatial resolution images containing impedance-related information has also been demonstrated in a phantom experiment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 découle