Bubble‐echo based deconvolution of contrast‐enhanced ultrasound imaging: Simulation and experimental validations
Notice bibliographique
Résumé
PURPOSE: Improvement of both the imaging resolution and the contrast-to-tissue ratio (CTR) is a current emphasis of contrast-enhanced ultrasound (CEUS) for microvascular perfusion imaging. Based on the strong nonlinear characteristics of contrast agents, the CTRs have been significantly enhanced using various advanced CEUS methods. However, the imaging resolution of these methods is limited by the finite bandwidth of the imaging process. This study aimed to propose a bubble-echo based deconvolution (BED) method for CEUS with both improved resolution and CTR. METHOD: The method is built on a modified convolution model and uses novel bubble-echo based point-spread-functions to reconstruct the images by regularized inverse Wiener filtering. Performances of the proposed BED for three CEUS modes are investigated through simulations and in vivo perfusion experiments. RESULTS: BED of fundamental imaging was found to have the highest improvement in imaging resolution with the resolution gain up to 2.0 ± 0.2 times, which was comparable to the approved cepstrum-based deconvolution (CED). BED of second-harmonic imaging had the best performance in CTR with an enhancement of 9.8 ± 2.3 dB, which was much higher than CED. Pulse inversion BED had both a better resolution and a higher CTR. CONCLUSION: All results indicate that BED could obtain CEUS image with both an improved resolution and a high CTR, which has important significance to microvascular perfusion evaluation in deep tissue.
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 | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».