Thermometry using entropy imaging of ultrasound radio frequency signal time series
Notice bibliographique
Résumé
Low intensity focused ultrasound (LIFU) is a novel approach that could activate drug release and considerably improve the delivery of anticancer drug. LIFU treatment has some features like is able to penetrate deep into the tissue and being non-invasive, as a consequence LIFU displays great capability for controlling the drug release and improving the chemotherapy treatment efficiency. The goal of this study is to research the feasibility of the entropy parameter of RF time series of ultrasound backscattered signals for measuring the changes in temperature induced by a LIFU device. Entropy Imaging is a technique for reconstructing ultrasound images based on the average uncertainty of time-series in a signal. Furthermore, the Shannon Entropy can quantify the uncertainty of a random process and is usually used as a measure for the information content of probability distributions. In this study, we use the Entropy Imaging method for measuring the LIFU-induced temperature changes in the deep region of ex vivo porcine tissue samples. The results obtained show that the changes of entropy parameter of RF time series signal are proportional to temperature changes recorded by a calibrated thermocouple in the temperature range of 37–47°C. In conclusion, in this study we show that Shannon entropy of RF time series signal possesses promising features like succinctly capturing the available information in a system by considering the uncertainty in a given data that can be used, as a new method, to measure temperature changes non-invasively and quantitatively in the deep region of tissue.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».