MétaCan
Menu
Retour à la cohorte
Enregistrement W2902340062 · doi:10.1088/1361-6560/aaf59a

Shear wave propagation in viscoelastic media: validation of an approximate forward model

2018· article· en· W2902340062 sur OpenAlexaff
Fernando Zvietcovich, Natalie Baddour, Jannick P. Rolland, Kevin J. Parker

Notice bibliographique

RevuePhysics in Medicine and Biology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Institute of Biomedical Imaging and Bioengineering
Mots-clésViscoelasticityLossy compressionShear wavesElastographyFinite element methodShear (geology)Wave propagationLossless compressionPhysicsAcoustic radiation forceAcousticsComputer scienceMechanicsOpticsMaterials scienceAlgorithm

Résumé

récupéré en direct d'OpenAlex

Many approaches to elastography incorporate shear waves; in some systems these are produced by acoustic radiation force (ARF) push pulses. Understanding the shape and decay of propagating shear waves in lossy tissues is key to obtaining accurate estimates of tissue properties, and so analytical models have been proposed. In this paper, we reconsider a previous analytical model with the goal of obtaining a computationally straightforward and efficient equation for the propagation of shear waves from a focal push pulse. Next, this model is compared with an experimental optical coherence tomography (OCT) system and with finite element models, in two viscoelastic materials that mimic tissue. We find that the three different cases-analytical model, finite element model, and experimental results-demonstrate reasonable agreement within the subtle differences present in their respective conditions. These results support the use of an efficient form of the Hankel transform for both lossless (elastic) and lossy (viscoelastic) media, and for both short (impulsive) and longer (extended) push pulses that can model a range of experimental 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,599
Score d'incertitude au seuil0,278

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,357
Écart entre enseignants0,244 · 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 tête enseignante, 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

Citations17
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetUltrasound Imaging and ElastographyTravaux en français237 207