MétaCan
Menu
Retour à la cohorte
Enregistrement W2801798861 · doi:10.1121/1.5036306

Plane-wave vector-flow imaging of adult mouse heart

2018· article· en· W2801798861 sur OpenAlexaff
Jeffrey A. Ketterling, Akshay Shekhar, Orlando Aristizábal, Anthony Podkowa, Billy Y. S. Yiu, Alfred C. H. Yu

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésVector flowDoppler effectPlane waveFlow (mathematics)PhysicsAcousticsPlane (geometry)Frame rateOrientation (vector space)OpticsDoppler imagingComputer scienceMathematicsArtificial intelligenceGeometryMedicineImage (mathematics)Image segmentationRadiology

Résumé

récupéré en direct d'OpenAlex

High-frequency ultrasound Doppler modes have been used extensively for murine cardiovascular (CV) studies, but traditional linear-array imaging modes are limited in terms of spatial and temporal resolution. Plane-wave imaging methods allow for high-speed vector-flow information to be obtained throughout a full image frame. Plane-wave imaging has been demonstrated in human CV studies, but its use in mouse models has received minimal attention. A Verasonics Vantage with an 18-MHz linear array was used to acquire plane-wave data at a frame rate of 30 kHz from the left ventricle of adult mice. Batches of 3 transmissions spanning ± 5 degrees were sent out. The mouse was placed supine on a heated imaging platform and then 2D + time data sequences. The data were beamformed using standard delay-and-sum methods and vector-flow estimates were obtained at each pixel location using a least-squares, multi-angle Doppler analysis approach. Vortex patterns in the left ventricle were visualized over several heart cycles showing the complex flow in the mouse heart.

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)0,001
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
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,009
Tête enseignante GPT0,244
Écart entre enseignants0,235 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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