Quantitative ultrasound imaging of soft biological tissues: a primer for radiologists and medical physicists
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Quantitative ultrasound (QUS) aims at quantifying interactions between ultrasound and biological tissues. QUS techniques extract fundamental physical properties of tissues based on interactions between ultrasound waves and tissue microstructure. These techniques provide quantitative information on sub-resolution properties that are not visible on grayscale (B-mode) imaging. Quantitative data may be represented either as a global measurement or as parametric maps overlaid on B-mode images. Recently, major ultrasound manufacturers have released speed of sound, attenuation, and backscatter packages for tissue characterization and imaging. Established and emerging clinical applications are currently limited and include liver fibrosis staging, liver steatosis grading, and breast cancer characterization. On the other hand, most biological tissues have been studied using experimental QUS methods, and quantitative datasets are available in the literature. This educational review addresses the general topic of biological soft tissue characterization using QUS, with a focus on disseminating technical concepts for clinicians and specialized QUS materials for medical physicists. Advanced but simplified technical descriptions are also provided in separate subsections identified as such. To understand QUS methods, this article reviews types of ultrasound waves, basic concepts of ultrasound wave propagation, ultrasound image formation, point spread function, constructive and destructive wave interferences, radiofrequency data processing, and a summary of different imaging modes. For each major QUS technique, topics include: concept, illustrations, clinical examples, pitfalls, and future directions.
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.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle