MétaCan
Menu
Retour à la cohorte
Enregistrement W4379740307 · doi:10.32920/23325446.v1

Large-Pitch Methods for 2D/3D Synthetic Transmit Aperture Ultrasound Imaging

2023· preprint· en· W4379740307 sur OpenAlexaff
Ying Li

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensLakehead UniversityToronto Metropolitan University
Organismes subventionnairesMayo Clinic
Mots-clésImage qualityReduction (mathematics)Computer scienceAperture (computer memory)AlgorithmMathematicsPhysicsComputer visionImage (mathematics)Acoustics

Résumé

récupéré en direct d'OpenAlex

This dissertation describes ultrasound algorithms developed on 2D/3D synthetic transmit aperture (STA) imaging. They demonstrate significant reduction in the hardware complexity of the 2D/3D STA ultrasound imaging system while maintaining the reasonable image quality. A large-pitch synthetic transmit aperture (LPSTA) method integrated with a spatial response function (SRF) was designed in this dissertation. The LPSTA demonstrated the better lateral resolution (+25%), contrast-to-noise ratio (CNR) (+24.6%) and contrast ratio (CR) (+42.3%) than B-mode with the similar hardware complexity. LPSTA with 15-fold reduction in number measurement channels (the product of number of transmission events and the number of digital receive channels) achieved comparable image contrast to the standard STA with a full array at the cost of a reduced field of view. We extended the LPSTA method to 2D matrix array for 3D imaging, referred to as 3D-LPSTA system. A new Gaussian approximated SRF (G-SRF) was derived and integrated in the image reconstruction process to significantly improve the image contrast. With approximately 1900-fold reduction in number of measurement channels, 3D-LPSTA can provide image contrast at the specific region of interest (ROI) comparable to the standard 3D-STA with a full array and significantly better than a periodically sparse array with similar complexity. In addition to reducing the system complexity, the 3D-LPSTA achieve 700-fold reduction in computational complexity and 523-fold reduction in data storage. We proposed to combine the LPSTA with micro-beamforming technique to focus in a ROI: focused transmission and focused receiving (XTXR). The proposed XTXR method showed the image quality comparable to the standard STA a full array at the selected ROI. Moreover, the proposed XTXR method demonstrated significantly superior image quality compared to the conventional B-mode imaging with the similar micro-beamforming configuration. Finally, the beam pattern analysis was used to estimate the lateral FOV of XTXR and demonstrated a good agreement with the experimental measurement. This dissertation investigates all these proposed advanced ultrasound algorithms, with the goal of implementing these methods to extend its application in clinics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,350
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUltrasound Imaging and ElastographyTravaux en français237 207