MétaCan
Menu
Retour à la cohorte
Enregistrement W2999402441 · doi:10.1109/tbme.2020.2967033

A Noninvasive Ultrasound Resonance Method for Detecting Skull Induced Phase Shifts May Provide a Signal for Adaptive Focusing

2020· article· en· W2999402441 sur OpenAlexafffund
Lulu Deng, Alec Hughes, Kullervo Hynynen

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringCanadian Institutes of Health ResearchNational Institutes of Health
Mots-clésUltrasoundHydrophoneMagnetic resonance imagingSkullMaterials scienceAcousticsBiomedical engineeringTransducerFocus (optics)Computer sciencePhysicsRadiologyOpticsMedicineAnatomy

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: There may be a need to perform dynamic skull aberration corrections during the non-invasive high-intensity transcranial treatment with magnetic resonance imaging (MRI) -guided focused ultrasound in order to accurately and rapidly restore the focus in the brain. METHODS: This could possibly be accomplished by using an ultrasound-based correction method based on the skulls' thickness resonance frequencies. The focus of a 500 kHz transducer was centered in the ex vivo human skull caps at different temperatures. The pulse-echoed signals reflected from the skulls were analyzed in the frequency domain to reveal the resonance frequencies for the phase shift calculation. The accuracy was compared to both hydrophone and computed tomography (CT) based analytical methods. RESULTS: Around 73% of the measurements (n = 784) were in the optimal constructive interference region, with a 15° decrease in the average phase error compared to the previous study. In the best implementation, it performed approximately the same or better than the CT based analytical method currently in clinical use. Linear correlation was found between the resonance frequencies or skull induced phase shifts and the skull temperature with an average rate of -0.4 kHz/°C and 2.6 deg/°C, respectively. CONCLUSION: The ultrasound based resonance method has shown the feasibility of detecting heating-induced changes of skull phase shift non-invasively and accurately. SIGNIFICANCE: Since the technique can be made MRI compatible and integrated in the therapy arrays, it may enable temperature tracking and adaptive focusing during high-intensity transcranial ultrasound treatments, to prevent skull overheating and preserve the transcranial focusing integrity.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,273
Écart entre enseignants0,243 · 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

Citations27
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207