Impact of Treatment Trajectory on Temperature Field Uniformity in Biological Tissue Irradiated by Ultrasound Pulses with Shocks
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
High intensity focused ultrasound (HIFU) treatments typically involve the ablation of tissue volumes comprising multiple focal sites. One aspect of treatment planning involves the definition of a sequence of ultrasound pulses and corresponding focal sites as the sonication trajectory. Here, numerical simulations of the thermal effects of different trajectories are performed for HIFU exposures delivered to an ex vivo bovine liver sample by a clinical array (Sonalleve V2 3.0T system, Profound Medical Corp., Canada). Simulations consider boiling histotripsy regime with millisecond-long pulses that include shocks. Focusing of the ultrasound beam in tissue was modeled by the Westervelt equation, and the temperature field was modeled by the bioheat equation. To explore different treatment strategies, trajectories were considered with discrete foci located along two or four concentric circles with radii from 2 to 8 mm. Two approaches for traversing these focal sites were compared: In the first approach each discrete focus was sonicated by a sequence of 15 pulses before moving to the next site in the trajectory. In the second approach, each focus was sonicated once before moving to the next site, with sonications over the whole trajectory repeated 15 times. The influence of the trajectory’s size and the pulsing strategy on the temperature field was analyzed. It is shown that the structure of the temperature field is more uniform with a longer time interval between repeated irradiation of each focus, and the optimal time interval ranges from three to six pulse repetition periods.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle