Stochastic Modeling of Normal and Tumor Tissue Microstructure for High-Frequency Ultrasound Imaging Simulations
Notice bibliographique
Résumé
High-frequency (20-60 MHz) ultrasound images of preclinical tumor models are sensitive to changes in tissue microstructure that accompany tumor progression and treatment responses, but the relationships between tumor microanatomy and high-frequency ultrasound backscattering are incompletely understood. This paper introduces a 3-D microanatomical model in which tissue is treated as a population of stochastically positioned spherical cells consisting of a spherical nucleus surrounded by homogeneous cytoplasm. The model is used to represent the microstructure of both healthy mouse liver and an experimental liver metastasis that are analyzed using 4 ',6-diamidino-2-phenylindole- and hematoxylin and eosin-stained histology specimens digitized at 20 x magnification. The spatial organization of cells is controlled in the model by a Gibbs-Markov point process whose parameters are tuned to maximize the similarity of experimental and simulated tissue microstructure, which is characterized using three descriptors of nuclear spatial arrangement adopted from materials science. The model can accurately reproduce the microstructure of the relatively homogeneous healthy liver and the average cell clustering observed in the experimental metastasis, but is less effective at reproducing the spatial heterogeneity of the experimental metastasis. The model provides a framework for computational investigations of the effects of individual microstructural and acoustic properties on high-frequency backscattering.
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 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 | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».