MétaCan
Menu
Retour à la cohorte
Enregistrement W2770848540 · doi:10.1038/s41598-017-16933-x

High-speed, high-frequency ultrasound, in utero vector-flow imaging of mouse embryos

2017· article· en· W2770848540 sur OpenAlexaff
Jeffrey A. Ketterling, Orlando Aristizábal, Billy Y. S. Yiu, Daniel H. Turnbull, Colin K. L. Phoon, Alfred C. H. Yu, Ronald H. Silverman

Notice bibliographique

RevueScientific Reports · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Eye InstituteNational Heart, Lung, and Blood InstituteNational Institutes of Health
Mots-clésFrame rateBeamformingData setUltrasoundVector flowTemporal resolutionComputer scienceBiomedical engineeringArtificial intelligenceBiologyAcousticsPhysicsOpticsMedicineImage (mathematics)Image segmentationTelecommunications

Résumé

récupéré en direct d'OpenAlex

Real-time imaging of the embryonic murine cardiovascular system is challenging due to the small size of the mouse embryo and rapid heart rate. High-frequency, linear-array ultrasound systems designed for small-animal imaging provide high-frame-rate and Doppler modes but are limited in regards to the field of view that can be imaged at fine-temporal and -spatial resolution. Here, a plane-wave imaging method was used to obtain high-speed image data from in utero mouse embryos and multi-angle, vector-flow algorithms were applied to the data to provide information on blood flow patterns in major organs. An 18-MHz linear array was used to acquire plane-wave data at absolute frame rates ≥10 kHz using a set of fixed transmission angles. After beamforming, vector-flow processing and image compounding, effective frame rates were on the order of 2 kHz. Data were acquired from the embryonic liver, heart and umbilical cord. Vector-flow results clearly revealed the complex nature of blood-flow patterns in the embryo with fine-temporal and -spatial resolution.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,225
Score d'incertitude au seuil0,914

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,010
Tête enseignante GPT0,252
Écart entre enseignants0,242 · 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'étudeObservationnel
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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetUltrasound Imaging and ElastographyTravaux en français237 207