Superharmonic Ultrasound for Motion-Independent Localization Microscopy: Applications to Microvascular Imaging From Low to High Flow Rates
Notice bibliographique
Résumé
Recent advances in high frame rate biomedical ultrasound have led to the development of ultrasound localization microscopy (ULM), a method of imaging microbubble (MB) contrast agents beyond the diffraction limit of conventional coherent imaging techniques. By localizing and tracking the positions of thousands of individual MBs, ultrahigh resolution vascular maps are generated which can be further analyzed to study disease. Isolating bubble echoes from tissue signal is a key requirement for super-resolution imaging which relies on the spatiotemporal separability and localization of the bubble signals. To date, this has been accomplished either during acquisition using contrast imaging sequences or post-beamforming by applying a spatiotemporal filter to the B-mode images. Superharmonic imaging (SHI) is another contrast imaging method that separates bubbles from tissue based on their strongly nonlinear acoustic properties. This approach is highly sensitive, and, unlike spatiotemporal filters, it does not require decorrelation of contrast agent signals. Since this superharmonic method does not rely on bubble velocity, it can detect completely stationary and moving bubbles alike. In this work, we apply SHI to ULM and demonstrate an average improvement in SNR of 10.3-dB in vitro when compared with the standard singular value decomposition filter approach and an increase in SNR at low flow ( [Formula: see text]/frame) from 5 to 16.5 dB. Additionally, we apply this method to imaging a rodent kidney in vivo and measure vessels as small as [Formula: see text] in diameter after motion correction.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».