MétaCan
Menu
Retour à la cohorte
Enregistrement W2418413582 · doi:10.1364/oe.24.012755

Broadening the detection view of 2D photoacoustic tomography using two linear array transducers

2016· article· en· W2418413582 sur OpenAlexafffund
Weihang Shu, Мин Ай, Septimiu E. Salcudean, Robert Rohling, Purang Abolmaesumi, Shuo Tang

Notice bibliographique

RevueOptics Express · 2016
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésTransducerImaging phantomCalibrationAcousticsImage qualityOpticsSIGNAL (programming language)TomographyComputer scienceUltrasoundComputer visionPhysicsImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Although commercial linear array transducers are widely used in clinical ultrasound, their application in photoacoustic tomography (PAT) is still limited due to the limited-view problem that restricts the image quality. In this paper, we propose a simple approach to address the limited-view problem in 2D by using two linear array transducers to receive PAT signal from different orientations. The positions of the two transducers can be adjusted to fit the specific geometry of an imaging site. This approach is made possible by using a new calibration method, where the relative position between the two transducers can be calibrated using ultrasound by transmitting ultrasound wave with one transducer while receiving with the other. The calibration results are then applied in the subsequent PAT imaging to incorporate the detected acoustic signals from both transducers and thereby increase the detection view. In this calibration method, no calibration phantom is required which largely simplifies and shortens the process. The efficacy of the calibration and improvement on the PAT image quality are demonstrated through phantom studies and in vivo imaging.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,710
Score d'incertitude au seuil0,482

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,230
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207