MétaCan
Menu
Retour à la cohorte
Enregistrement W4211249426 · doi:10.1002/mp.15527

Feasibility investigation of logarithmic Nakagami parametric imaging in recovering underestimated perfusion metrics of DCEUS in the uneven acoustic field

2022· article· en· W4211249426 sur OpenAlexaff
Diya Wang, Quanlong Ma, Qiao Wang, Shukuan Lu, Qiang Su, Hui Zhong, Mingxi Wan

Notice bibliographique

RevueMedical Physics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensFrancophone University Association
Organismes subventionnairesNational Natural Science Foundation of ChinaBeijing Medical Award Foundation
Mots-clésNakagami distributionLogarithmAmplitudeParametric statisticsAcousticsPhysicsBiomedical engineeringMaterials scienceMathematicsComputer scienceOpticsAlgorithmStatisticsDecoding methodsMathematical analysisMedicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Owing to acoustic-pressure dependence, amplitudes of backscattered-echoes of encapsulated microbubbles (MBs) are unavoidably regulated by an uneven acoustic field, resulting in the misestimation of hemodynamics in conventional amplitude-coding dynamic contrast-enhanced ultrasound (DCEUS) with focused pulse transmission. This study aimed to investigate the feasibility and performance of Nakagami statistical-feature parametric imaging to recover the above misestimation. METHODS: Logarithmic Nakagami parameter (m)-coding DCEUS scheme was investigated via simulation and in vitro MB phantoms as well as in vivo kidney-perfusion experiments of four rabbits in the uneven acoustic fields with two different focal depths. In vivo tissue artifacts for m estimation were suppressed by pulse-inversion second-harmonic imaging and its robustness was enhanced by multiscale moment-estimation strategy. Time-Nakagami-m curves and the corresponding perfusion metrics of intensity and volume were calculated from the logarithmic m-coding DCEUS images within the prefocal and focal regions. These curves and metrics were further compared with the perfusion curves and metrics estimated from the conventional amplitude-coding images within the same regions. RESULTS: Compared with amplitudes of nonlinear scattering MB echoes, their logarithmic m values were relatively independent of the changes in acoustics pressures. Compared with the fixed-scale moment-estimation, the perfusion intensity estimated from logarithmic m-coding DCEUS scheme using multiscale statistical moment-estimation had smaller differences between the prefocal and focal regions. The differences of perfusion intensity induced by an uneven acoustic field decreased to 3.47% ± 1.58 %. The differences decreased by the logarithmic m-coding DCEUS scheme were further regulated by threshold values of m estimation. CONCLUSIONS: The logarithmic m-coding DCEUS scheme could recover the underestimated MB backscattered-echoes and the misestimated perfusion intensity induced by the uneven acoustic field. The scheme had the potential to weaken the limitation of microvasculature identification and hemodynamic characterization marked by MBs within tissues or tumors in the uneven acoustic field.

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)0,003
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,254
Écart entre enseignants0,232 · 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
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207