Treatment monitoring for sonothrombolysis in deep vein thrombosis: Receiver array design
Notice bibliographique
Résumé
The current treatment standard for deep vein thrombosis (DVT) is anticoagulation therapy, which does little to address long term morbidity compared to clot removal approaches. High intensity ultrasound can resolve clots by generating bubble clouds that erode thrombi. However, lack of appropriate treatment monitoring is a limiting factor in its widespread adoption. Passive cavitation imaging is capable of high frame rate, volumetric imaging, the combination of which has been shown to be important for monitoring the onset and development of bubble clouds inducing clot erosion (Acconcia et al. 2017). The results from our previous work motivated development of a device tailored to DVT with a relevant geometry (e.g., semi-cylindrical). Transmit simulations for such a device were conducted in a human thigh model (Smirnov and Hynynen 2017) with a design based on the modular transducer technology developed in our lab (Ellens et al. 2015). Here, we examine the integration of a sparse, randomly distributed receiver array within a semi-cylindrical arrangement of transmit modules for acoustic-based monitoring. Using a multi-layered propagation model, cavitation sources were localized to the femoral vessel, the accuracy of which depended on the inclusion of phase corrections. The receiver size was shown to be an important consideration with implicit trade-offs between directivity and channel SNR. Volumetric rates of ~1 MHz should be achievable with a modest number of receivers (128) in the presence of experimentally derived noise conditions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».