MétaCan
Menu
Retour à la cohorte
Enregistrement W3198113378 · doi:10.1186/s13244-021-01071-w

Quantitative ultrasound imaging of soft biological tissues: a primer for radiologists and medical physicists

2021· review· en· W3198113378 sur OpenAlexafffund
Guy Cloutier, François Destrempes, François T.H. Yu, An Tang

Notice bibliographique

RevueInsights into Imaging · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensEspace pour la vieUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFondation de l'Association des radiologistes du QuébecCanadian Institutes of Health ResearchCancer Research SocietySiemens HealthineersCalifornia HIV/AIDS Research Program
Mots-clésMedical physicsUltrasoundComputer scienceMedical imagingMedicineRadiology

Résumé

récupéré en direct d'OpenAlex

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.

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)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0010,004
Communication savante0,0030,008
Science ouverte0,0020,002
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0040,005

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 Opus0,046
Tête enseignante GPT0,373
Écart entre enseignants0,327 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations139
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInsights into ImagingMême sujetUltrasound Imaging and ElastographyTravaux en français237 207