Decorrelated Compounding in Synthetic Transmit Aperture (STA) Ultrasound Imaging to detect low-contrast lesions
Notice bibliographique
Résumé
Speckles are ubiquitous in ultrasound images and have been used to track motion and characterize tissues in biomedical applications successfully. However, low signal-to-noise-ratio in ultrasound images due to speckles still severely limits the detection of low-contrast targets. Conventional Spatial Compounding (SC) or Frequency Compounding (SC) was used to reduce the speckles in ultrasonic imaging with limited success, usually at the cost of frame rate. The goal of this paper is to improve the performance of compounding in detecting low-contrast targets. We first generated a large number of correlated sub-images by using various sub-apertures and sub-bands in Synthetic Transmit Aperture (STA) ultrasound imaging. Then we decorrelated and normalized the sub-images by applying Singular Value Decomposition (SVD) to the sub-images. Lastly, the decorrelated sub-images were incoherently compounded to yield the de-speckled images. The speckle variance and contrast of targets in the reconstructed images were quantified. The Contrast-Noise-Ratio (CNR) improvement in simulation images using the proposed method is 1842% over the Delay-and-Sum (DAS) method. The feasibility of applying the proposed method to image a lesion created by high-intensity focused ultrasound was also demonstrated.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».