Improved Configurations for 3D Acoustoelectric Tomography With a Minimal Number of Electrodes
Notice bibliographique
Résumé
OBJECTIVE: Acoustoelectric tomography (AET) is a hybrid imaging technique combining ultrasound and electrical impedance tomography (EIT). It exploits the acoustoelectric effect (AAE): an US wave propagating through the medium induces a local change in conductivity, depending on the acoustoelectric properties of the medium. Typically, AET image reconstruction is limited to 2D and most cases employ a large number of surface electrodes. METHODS: This article investigates the detectability of contrasts in AET. We characterize the AEE signal as a function of the medium conductivity and electrode placement, using a novel 3D analytical model of the AET forward problem. The proposed model is compared to a finite element method simulation. RESULTS: In a cylindrical geometry with an inclusion contrast of 5 times the background and two pairs of electrodes, the maximum, minimum, and mean suppression of the AEE signal are 68.5%, 3.12%, and 49.0%, respectively, over a random scan of electrode positions. The proposed model is compared to a finite element method simulation and the minimum mesh sizes required successfully model the signal is estimated. CONCLUSION: We show that the coupling of AAE and EIT leads to a suppressed signal and the magnitude of the reduction is a function of geometry of the medium, contrast and electrode locations. SIGNIFICANCE: This model can aid in the reconstruction of AET images involving a minimum number of electrodes to determine the optimal electrode placement.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».