Improving three-dimensional automated breast ultrasound resolution with orthogonal images
Notice bibliographique
Résumé
With increasing evidence for supplemental ultrasound (US) for breast cancer screening in women with dense breasts, there is an interest in developing more robust and cost-effective techniques. Compared with handheld US, automated breast ultrasound (ABUS) shows improvements in detection, reproducibility, and operator dependence. However, limitations exist as high-quality image acquisition is still reliant on operator training and patient positioning. Moreover, installation of current commercial systems is expensive, and they lack point-of-care capabilities, limiting their bedside utility. We developed a dedicated three-dimensional (3D) ABUS device that contains a wearable patient-conforming 3D-printed dam, compression assembly, and motorized 3DUS scanner. Acquisition involves acquiring 2DUS images at a fixed spatial interval and reconstructing them into a 3DUS image. While the 3DUS image has a high in-plane resolution, its out-ofplane (elevational) US resolution in the reconstruction plane is poor. We hypothesize that combining orthogonal images can improve 3DUS image resolution by recovering some out-of-plane resolution. With orthogonal 3DUS images occupying the same volume, the intensity at any 3D voxel coordinate can be computed from a spherical-weighted function of the voxel intensities from the two original 3DUS images. In this paper, we describe the dedicated 3D ABUS device, its orthogonal acquisition, and the combination approach for creating a 3D complementary breast ultrasound (CBUS) image. We perform experiments to evaluate their impact on 3D image resolution. The proposed CBUS method was evaluated with orthogonally acquired craniocaudal and mediolateral 3DUS images of an angular wire phantom, then calculating the full width at half maximum (FWHM) of the line spread function for each wire. Our results show that 3D CBUS images with orthogonal 3DUS images improves resolution uniformity by recovering some out-of-plane resolution.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».