MétaCan
Menu
Retour à la cohorte
Enregistrement W2549324481 · doi:10.1121/1.4969399

Plane-wave imaging of in utero mouse embryo at 18 MHz

2016· article· en· W2549324481 sur OpenAlexaff
Jeffrey A. Ketterling, Orlando Aristizábal, Colin K. L. Phoon, Billy Y. S. Yiu, Alfred C. H. Yu

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAperture (computer memory)Plane waveDoppler imagingDoppler effectAcousticsPhysicsPlane (geometry)Computer scienceOpticsMedicineMathematicsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Plane-wave imaging methods allow for high-speed image capture at a time interval equal to round trip acoustic propagation. Plane-wave imaging is ideally suited for cardiovascular imaging where fine-temporal resolution can reveal important information about cardiac mechanics and blood flow patterns. While plane-wave imaging has been demonstrated in humans for cardiovascular studies, its use in mouse models lags because instrumentation is not yet widely available at appropriate ultrasound frequencies. Thus, the amount of functional information that can be mined from mouse models of cardiovascular disease is limited. Here, an 18-MHz linear-array probe was used to acquire plane-wave data at a frame rate of 10 kHz from an in utero, E14.5 mouse embryo. The probe had 128 elements, 1.5 mm elevation aperture, and 8-mm elevation focus. The mother was placed supine on a heated mouse imaging platform, and then, a series of 2D + time data sequences were captured. The data were beamformed using standard delay-and-sum methods, and then, vector flow estimates were obtained at each pixel location using a least-squares, multi-angle Doppler analysis approach. Although not optimally suited for imaging mouse embryos, the 18-MHz data clearly revealed blood flow patterns in the liver, heart, and umbilical cord.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,248
Écart entre enseignants0,236 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetUltrasound Imaging and ElastographyTravaux en français237 207