MétaCan
Menu
Retour à la cohorte
Enregistrement W2970766709 · doi:10.1109/tmi.2019.2937762

Microwave Imaging of Breast Tumor Using Time-Domain UWB Circular-SAR Technique

2019· article· en· W2970766709 sur OpenAlexafffund
Daniel Oloumi, Robert Winter, Atefeh Kordzadeh, Pierre Boulanger, Karumudi Rambabu

Notice bibliographique

RevueIEEE Transactions on Medical Imaging · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave Imaging and Scattering Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaKillam TrustsAlberta Innovates - Technology Futures
Mots-clésImaging phantomMicrowave imagingIterative reconstructionSynthetic aperture radarTime domainBreast imagingComputer scienceMedical imagingComputer visionArtificial intelligenceMammographyBreast cancerMicrowaveMedicineRadiologyTelecommunicationsCancer

Résumé

récupéré en direct d'OpenAlex

This paper explores the competency of the time domain ultra-wideband (UWB)-circular synthetic aperture radar (CSAR) to image the breast and detect tumors. The image reconstruction is performed using a time domain global back projection technique adapted to the circular trajectory data acquisition. This paper also proposes a sectional image reconstruction method to compensate for the group velocity changes in different layers of a multilayer medium. Experiments on an advanced breast phantom examines the suitability of this technique for breast tumor imaging. The advanced breast phantom is designed based on a MRI of a real patient, fabricated using 3D printing technology, and filled with liquids that emulate normal and cancerous tissues. The measurement results, compared with MRI imaging of the phantom, demonstrate the suitability of the UWB-CSAR method for breast tumor imaging. This method can be a tool for early diagnosis as well as for treatment monitoring during chemotherapy or radiotherapy.

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)0,000
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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,213
Écart entre enseignants0,208 · 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

Citations74
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Medical ImagingMême sujetMicrowave Imaging and Scattering AnalysisTravaux en français237 207