Investigation of hardware and software techniques to enhance the characteristics of focused ultrasound (FUS) spectra
Notice bibliographique
Résumé
Abstract Objective . Microbubble cavitation generated by focused ultrasound ( FUS ) can induce safe blood-brain-barrier ( BBB ) opening allowing therapeutic drug passage. Spectral changes in the hydrophone sensor signal are currently used to distinguish stable cavitation from inertial cavitation that can damage the BBB. Gibbs’ ringing, peak intensity loss and peak width increase are well-known distortions evident when using the discrete Fourier transform ( DFT ) to transform data containing a few hundred points. We investigate overcoming the fact that FUS time signals (10 ms providing 312 500 points sampled at 32 ns intervals) can generate such sharp spectral peaks that variations in their DFT- related distortions can significantly impact the values of the key metrics used for cavitation characterization. Approach . We introduce low-pass filter hardware to improve how the analogue to digital convertor handles high-frequency noise components and the orders of magnitude differences between FUS harmonic intensities. We investigate the enhanced FUS spectral stability and resolution obtained from a new technique, physical sparsification (PH-SP), customized to the a-priori information that all key FUS components are harmonically related. Results are compared with standard DFT optimizations involving time data windowing and Fourier interpolation. Main results . A new simulation model showed peak intensity, widths and metrics modified by small changes in the transformed signal’s length when removing the noisy starting transient of the FUS hydrophone signal or following minor excitation frequency or sampling rate adjustments. 25%–60% area-under-the-curve changes occurred in phantom studies at different pressure levels. Spectral peak sharpness was best optimized and stabilized with PH-SP . Significance . Special FUS characteristics mean starting transients and minor variations in experimental procedures lead to significant changes in the spectral metrics used to monitor cavitation levels. Customizing PH-SP to these characteristics led to sharper, more stable spectra with the potential to track the impact of microbubble environment changes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».