Simulation studies of filtered spatial compounding (FSC) and filtered frequency compounding (FFC) in synthetic transmit aperture (STA) imaging
Notice bibliographique
Résumé
Speckle patterns are formed by constructive and destructive interference of backscattered waves from non-resolvable scatterers. Speckles can result in a low speckle signal-to-noise ratio (sSNR) in the ultrasound images of even a uniform sample. Speckles also reduce the contrast-to-noise-ratio (CNR) and the detectability of lesions, especially for low contrast lesions. Moreover, undesired signals arising from off-axis targets can result in sidelobes and clutters which lead to even lower lesion CNR. Typically, the speckle SNR can be increased by compounding, either spatial compounding (SC) or frequency compounding (FC). Here we propose methods to implement a 2-dimentional (2-D) aperture domain filter in the SC and FC processes, which are referred to as filtered spatial compounding (FSC) and filtered frequency compounding (FFC), for synthetic transmit aperture (STA) imaging. Both FSC and FFC can provide more homogeneous speckle patterns with improved speckle SNR and lesion CNR. The aperture domain filter reduces the interference effect of the off-axis signals to further enhance lesion CNR. Consequently, the target detectabilities (lesion-signal-to-noise ratio (lSNR)) in both FSC and FFC are increased significantly, up to around 3 times, compared to that in the standard delay-and-sum (DAS) method.
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) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».