MétaCan
Menu
Retour à la cohorte
Enregistrement W3210026348 · doi:10.32920/ryerson.14649369.v1

Novel ultrasound transmission and reconstruction techniques for synthetic transmit aperture imaging

2021· preprint· en· W3210026348 sur OpenAlexaff
Ping Gong

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensLakehead UniversityToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTransmission (telecommunications)AlgorithmImage qualitySignal-to-noise ratio (imaging)Iterative reconstructionMathematicsComputer visionImage (mathematics)Telecommunications

Résumé

récupéré en direct d'OpenAlex

This dissertation describes ultrasound algorithms developed for synthetic transmit aperture (STA) imaging during the transmission and the image reconstruction stages. Images generated using these algorithms demonstrate image quality enhancement both theoretically and experimentally. The advanced algorithms also improve the application of STA imaging. Due to the single element transmission pattern, the low signal-to-noise ratio is a major limitation for STA imaging. A delay-encoded transmission scheme (DE-STA) was designed in this dissertation to encode all the transmissions. The decoded RF signals were equivalent to the standard STA signals, but with a higher SNR. Improved image qualities were observed under DE-STA transmission in terms of lateral resolution (+28%), peak-signal-to-noise ratio (PSNR, +7 dB) and target contrast-to-noise ratio (CNR, +360%) compared to those acquired with the standard STA mode. The stability of DE-STA was analyzed and verified under various noise levels by the special distribution of the singular values of the encoding matrix through singular value decomposition (SVD) (i.e. all the singular values were the same except for the first one and the last one). A more efficient decoding process was also derived based on pseudo-inversion (PI) and the computation complexity was reduced by 2/3. Speckle and undesired sidelobe signals can reduce the lesion CNR and detectability in ultrasound images. Typically, the CNR can be increased by spatial compounding (SC) or frequency compounding (FC) during reconstruction. We proposed methods to implement a 2-dimentional (2-D) aperture domain filter in the SC/FC processes, referred to as filtered spatial compounding (FSC) and filtered frequency compounding (FFC), for synthetic transmit aperture (STA) imaging. Both techniques reduced the sidelobe interference and provided improved lesion CNR. Consequently, the lesion signal-to-noise ratio (lSNR) in FSC and FFC increased (up to +130%), compared to that in the standard delay-and-sum (DAS) method. This dissertation investigates all these proposed advanced ultrasound algorithms, with the end goal of implementing these methods in STA imaging to extend its application in clinic.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,010
Tête enseignante GPT0,251
Écart entre enseignants0,241 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUltrasound Imaging and ElastographyTravaux en français237 207