Single Versus Multi-channel Dispersion Analysis of Ultrasonic Guided Waves Propagating in Long Bones
Notice bibliographique
Résumé
Ultrasonic guided wave techniques have been applied to characterize cortical bone for osteoporosis assessment. Compared with the current gold-standard X-ray-based diagnostic methods, ultrasound-based techniques pose some advantages such as compactness, low cost, lack of ionizing radiation, and their ability to detect the mechanical properties of the cortex. Axial transmission technique with a source-receiver offset is employed to acquire the ultrasound data. The dispersion characteristics of the guided waves in bones are normally analyzed in the transformed domains using the dispersion curves. The transformed domain can be time-frequency map using a single channel or wavenumber-frequency (or phase velocity-frequency) map with multi-channels. In terms of acquisition effort, the first method is more cost- and time-effective than the latter. However, it remains unclear whether single-channel dispersion analysis can provide as much quantitative guided-wave information as the multi-channel analysis. The objective of this study is to compare the two methods using numerically simulated and ex vivo data of a simple bovine bone plate and explore their advantages and disadvantages. Both single- and multi-channel signal processing approaches are implemented using sparsity-constrained optimization algorithms to reinforce the focusing power. While the single-channel data acquisition and processing are much faster than those of the multi-channel, modal identification and analysis of the multi-channel data are straightforward and more convincing.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».