A Dual Tissue-Doppler Optical-Flow Method for Speckle Tracking Echocardiography at High Frame Rate
Notice bibliographique
Résumé
A coupled computational method for recovering tissue velocity vector fields from high-frame-rate echocardiography is described. Conventional transthoracic echocardiography provides limited temporal resolution, which may prevent accurate estimation of the 2-D myocardial velocity field dynamics. High-frame-rate compound echocardiography using diverging waves with integrated motion compensation has been shown to provide concurrent high-resolution B-mode and tissue Doppler imaging (TDI). In this paper, we propose a regularized least-squares method to provide accurate myocardial velocities at high frame rates. The velocity vector field was formulated as the minimizer of a cost function that is a weighted sum of: 1) the ${\ell }^{{2}}$ -norm of the material derivative of the B-mode images (optical flow); 2) the ${\ell }^{{2}}$ -norm of the tissue-Doppler residuals; and 3) a quadratic regularizer that imposes spatial smoothness and well-posedness. A finite difference discretization of the continuous problem was adopted, leading to a sparse linear system. The proposed framework was validated in vitro on a rotating disk with speeds up to 20 cm/s, and compared with speckle tracking echocardiography (STE) by block matching. It was also validated in vivo against TDI and STE in a cross-validation strategy involving parasternal long axis and apical three-chamber views. The proposed method based on the combination of optical flow and tissue Doppler led to more accurate time-resolved velocity vector fields.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».