MétaCan
Menu
Retour à la cohorte
Enregistrement W2783493891 · doi:10.1177/0161734617752477

Thermoacoustic Lensing in Ultrasound Imaging of Nonechogenic Tissue During High-intensity Focused Ultrasound Exposure

2018· article· en· W2783493891 sur OpenAlexafffund
Matthew Jahns, Dan MacDougall, Robert B. A. Adamson

Notice bibliographique

RevueUltrasonic Imaging · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésReflector (photography)UltrasoundHigh-intensity focused ultrasoundIntensity (physics)OpticsMaterials scienceSound intensityThermalFocused ultrasoundAcousticsFocal lengthBiomedical engineeringLens (geology)PhysicsMedicineSound (geography)Light source

Résumé

récupéré en direct d'OpenAlex

We develop a ray-tracing theory to describe the effects of thermoacoustic lensing during high-intensity focused ultrasound (HIFU) on ultrasound images of reflectors lying distal to the HIFU focal region and discuss the application of thermal lensing effects to dose monitoring in HIFU therapy. By analyzing the effects of thermal and geometric delays of acoustic rays passing through a region of tissue undergoing localized heating, we show how the shape of a reflector distal to the heated region can be predicted and present experimental measurements in good agreement with the model. We also apply the model in reverse to estimate the thermal profile of a heated region based on a measured change in the shape of a distal reflector during HIFU delivery. As an example, we apply this technique to the measurements of thermal diffusion in porcine fat. An interesting aspect of the technique is that it can be applied to measure temperature in nonechogenic tissues as long as there is an observable reflector in the ultrasound images that is located distal to the region of localized heating.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,324
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,204
Écart entre enseignants0,199 · 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.

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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUltrasonic ImagingMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207