Regularized Ultrasound Phantom-Free Local Attenuation Coefficient Slope (ACS) Imaging in Homogeneous and Heterogeneous Tissues
Notice bibliographique
Résumé
Attenuation maps or measurements based on the local attenuation coefficient slope (ACS) in quantitative ultrasound (QUS) have shown potential for the diagnosis of liver steatosis. In liver cancers, tissue abnormalities and tumors detected using ACS are also of interest to provide new image contrast to clinicians. Current phantom-based approaches have the limitation of assuming a comparable speed of sound between the reference phantom and insonified tissues. Moreover, these methods present the inconvenience for operators to acquire data on phantoms and patients. The main goal was to alleviate these drawbacks by proposing a methodology for constructing phantom-free regularized (PF-R) local ACS maps and investigate the performance in both homogeneous and heterogeneous media. The proposed method was tested on two tissue-mimicking media with different ACS constructed as homogeneous phantoms, side-by-side and top-to-bottom phantoms, and inclusion phantoms with different attenuations. Moreover, an in vivo proof-of-concept was performed on healthy, steatotic, and cancerous human liver datasets. Modifications brought to previous works include: 1) a linear interpolation of the power spectrum in the log scale; 2) the relaxation of the underlying hypothesis on the diffraction factor; 3) a generalization to nonhomogeneous local ACS; and 4) an adaptive restriction of frequencies to a more reliable range than the usable frequency range. Regularization was formulated as a generalized least absolute shrinkage and selection operator (LASSO), and a variant of the Bayesian information criterion (BIC) was applied to estimate the Lagrangian multiplier on the LASSO constraint. In addition, we evaluated the proposed algorithm when applying median filtering before and after regularization. Tests conducted showed that the PF-R yielded robust results in all tested conditions, suggesting potential for additional validation as a diagnosis 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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».