MétaCan
Menu
Retour à la cohorte
Enregistrement W4210354887 · doi:10.1121/10.0009385

Decorrelated compounding improves lesion signal-to-noise ratio of low-contrast lesions in synthetic transmit aperture ultrasound imaging

2022· article· en· W4210354887 sur OpenAlexafffund
Na Zhao, Yuan Xu

Notice bibliographique

RevueJASA Express Letters · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDecorrelationSpeckle patternCompoundingContrast-to-noise ratioContrast (vision)Signal-to-noise ratio (imaging)Speckle noiseNoise (video)LesionSIGNAL (programming language)UltrasoundComputer scienceMaterials scienceOpticsArtificial intelligenceImage qualityPhysicsComputer visionAcousticsMedicineImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Speckle variance in ultrasound images limits the detection of low-contrast targets. In conventional compounding, multiple correlated sub-images are generated and then averaged to reduce the speckles at the cost of resolution loss. In this paper, a decorrelation procedure was applied to the correlated sub-images to further reduce speckle variance. Lesion signal-to-noise-ratio (lSNR), which combines the effect of speckle reduction and resolution loss, was used as an indicator of the detectability of lesions. The lSNR of the hyperechoic lesion in the simulated and experimental images using decorrelated compounding was increased by 122% and 89%, respectively, compared to the delay-and-sum method.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,639
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,227
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations13
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJASA Express LettersMême sujetUltrasound Imaging and ElastographyTravaux en français237 207