MétaCan
Menu
Retour à la cohorte
Enregistrement W3023064897 · doi:10.1017/s1759078720000379

The impact of the inverse chirp <i>z</i>-transform on breast microwave radar image reconstruction

2020· article· en· W3023064897 sur OpenAlexaff
Tyson Reimer, Mario Solis-Nepote, Stephen Pistorius

Notice bibliographique

RevueInternational Journal of Microwave and Wireless Technologies · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave Imaging and Scattering Analysis
Établissements canadiensResearch Institute in Oncology and HematologyUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésChirpMicrowave imagingComputer scienceIterative reconstructionInverseFourier transformFrequency domainClutterMicrowaveRadarArtificial intelligenceComputer visionMathematicsOpticsPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

This work examines the impact of the inverse chirp z-transform (ICZT) for frequency-to-time-domain conversion during image reconstruction of a pre-clinical radar-based breast microwave imaging system operating over 1–8 GHz. Two anthropomorphic breast phantoms were scanned with this system, and the delay-multiply-and-sum beamformer was used to reconstruct images of the phantoms, after using either the ICZT or the inverse discrete Fourier transform (IDFT) for frequency-to-time domain conversion. The contrast, localization error, and presence of artifacts in the reconstructions were compared. The use of the IDFT resulted in prominent ring artifacts that were not present when using the ICZT, and the use of the ICZT resulted in higher contrast between the tumor and clutter responses. In one of the phantoms, the tumor response was only visible in reconstructions that used the ICZT. The use of the ICZT evaluated with a time-step size of 11 ps resulted in the reduction of prominent artifacts present when using the IDFT and the successful identification of the tumor response in the reconstructed images.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
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 Opus0,006
Tête enseignante GPT0,215
Écart entre enseignants0,209 · 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'étudeSimulation ou modélisation
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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Microwave and Wireless TechnologiesMême sujetMicrowave Imaging and Scattering AnalysisTravaux en français237 207