Single-ensemble-based eigen-processing methods for color flow imaging - Part I. The Hankel-SVD filter
Notice bibliographique
Résumé
Because of their adaptability to the slow-time signal contents, eigen-based filters have shown potential in improving the flow detection performance of color flow images. This paper proposes a new eigen-based filter called the Hankel-SVD filter that is intended to process each slowtime ensemble individually. The new filter is derived using the notion of principal Hankel component analysis, and it achieves clutter suppression by retaining only the principal components whose order is greater than the clutter eigen-space dimension estimated from a frequency based analysis algorithm. To assess its efficacy, the Hankel-SVD filter was first applied to synthetic slow-time data (ensemble size: 10) simulated from two different sets of flow parameters that model: 1) arterial imaging (blood velocity: 0 to 38.5 cm/s, tissue motion: up to 2 mm/s, transmit frequency: 5 MHz, pulse repetition period: 0.4 ms) and 2) deep vessel imaging (blood velocity: 0 to 19.2 cm/s, tissue motion: up to 2 cm/s, transmit frequency: 2 MHz, pulse repetition period: 2.0 ms). In the simulation analysis, the post-filter clutter-to- blood signal ratio (CBR) was computed as a function of blood velocity. Results show that for the same effective stopband size (50 Hz), the Hankel-SVD filter has a narrower transition region in the post-filter CBR curve than that of another type of adaptive filter called the clutter-downmixing filter. The practical efficacy of the proposed filter was tested by application to in vivo color flow data obtained from the human carotid arteries (transmit frequency: 4 MHz, pulse repetition period: 0.333 ms, ensemble size: 10). The resulting power images show that the Hankel-SVD filter can better distinguish between blood and moving-tissue regions (about 9 dB separation in power) than the clutter-downmixing filter and a fixed-rank multi ensemble-based eigen-filter (which showed a 2 to 3 dB separation).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».