Efficient Frequency-Domain Synthetic Aperture Focusing Techniques for Imaging With a High-Frequency Single-Element Focused Transducer
Notice bibliographique
Résumé
Synthetic aperture focusing techniques (SAFT) make the spatial resolution of the conventional ultrasound imaging from a single-element focused transducer more uniform in the lateral direction. In this work, two new frequency-domain (FD-SAFT) algorithms are proposed, which are based on the synthetic aperture radar's wavenumber algorithm, and 2-D matched filtering technique for the image reconstruction. The first algorithm is the FD-SAFT virtual source (FD-SAFT-VS) that treats the focus of a focused transducer as a virtual source having a finite size and the diffraction effect in the far-field is taken into consideration in the image reconstruction. The second algorithm is the FD-SAFT deconvolution (FD-SAFT-DE) that uses the simulated point spread function of the imaging system as a matched filter kernel in the image reconstruction. The performance of the proposed algorithms was studied using a series of simulations and experiments, and it was compared with the conventional B-mode and time-domain SAFT (TD-SAFT) imaging techniques. The image quality was analyzed in terms of spatial resolution, sidelobe level, signal-to-noise ratio (SNR), contrast resolution, contrast-to-speckle ratio, and ex vivo image quality. The results showed that the FD-SAFT-VS had the smallest spatial resolution and FD-SAFT-DE had the second smallest spatial resolution. In addition, FD-SAFT-DE had generally the largest SNR. The computation run time of FD-SAFT-VS and FD-SAFT-DE, depending on the image size, was lower by 4 to 174 times and 4 to 189 times, respectively, compared to the TD-SAFT-virtual point source.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».