Blood Flow Imaging with Ultrafast Doppler
Notice bibliographique
Résumé
The pulsed-Doppler effect is the main technique used in clinical echography to assess blood flow. Applied with conventional focused ultrasound Doppler modes, it has several limits. Firstly, a finely tuned signal filtering operation is needed to distinguish blood flows from surrounding moving tissues. Secondly, the operator must choose between localizing the blood flows or quantifying them. In the last two decades, ultrasound imaging has undergone a paradigm shift with the emergence of ultrafast ultrasound using unfocused waves. In addition to a hundredfold increase in framerate (up to 10000 Hz), this new technique also breaks the conventional quantification/localization trade-off, offering a complete blood flow mapping of the field of view and a simultaneous access to fine velocities measurements at the single-pixel level (down to 50 µm). This data continuity in both spatial and temporal dimensions strongly improves the tissue/blood filtering process, which results in an increase sensitivity to small blood flow velocities (down to 1 mm/s). In this method paper, we aim to introduce the concept of ultrafast Doppler as well as its main parameters. Firstly, we summarize the physical principles of unfocused wave imaging. Then, we present the Doppler signal processing main steps. Particularly, we explain the practical implementation of the critical tissue/blood flow separation algorithms and on the extraction of velocities from these filtered data. This theoretical description is supplemented by in vitro experiences. A tissue phantom embedding a canal with flowing blood-mimicking fluid is imaged with a research programmable ultrasound system. A blood flow image is obtained and the flow characteristics are displayed for several pixels in the canal. Finally, a review of in vivo applications is proposed, showing examples in several organs such as carotids, kidney, thyroid, brain and heart.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».