Real-Time Super-Resolution Ultrasound Imaging using GPU Acceleration
Notice bibliographique
Résumé
The method SUper-Resolution ultrasound imaging using the Erythrocytes as targets (SURE) is fully non-invasive, and can reliably visualize vessels with sizes down to 50 μm (1/3 of the wavelength) from a few seconds of data acquisition. Ideally, the acquisition and display should be done in seconds, but this is a challenge since the processing of SURE images is computationally demanding. Graphics Processing Units (GPUs) are specialized for high-throughput parallel processing, and in this paper it was explored whether a NVIDIA GeForce RTX 3090 GPU can enable real-time processing of SURE images, meaning the processing can keep up with the imaging rate of 417 Hz, allowing for a live video feed, similar to conventional ultrasound imaging. In-vivo data was acquired from a Sprague-Dawley rat kidney with a 168 channel GE-L8-18iD 10 MHz linear array probe connected to a Verasonics Vantage 256 scanner at a 62.5 MHz sampling rate. The GPU was used to perform beamforming, motion correction, stationary echo cancellation and peak localization. The resulting processing rate was 475 Hz for the beamforming, and 497 Hz for the proceeding processing steps, resulting in a total rate of 239 Hz. Consequently, SURE images can now be acquired in 2 seconds, and shown approximately 1 second after this, making it possible to visualize super resolution images of the microvasculature at the bedside, for immediate diagnosis of the patient.
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 | 0,001 | 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) | 0,003 | 0,001 |
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 ».