Comparative Study of Ultrasound Tissue Motion Tracking Techniques for Effective Breast Ultrasound Elastography
Notice bibliographique
Résumé
Breast cancer is the most common and deadly cancer in women, where early detection is of the utmost importance as survival rates decrease with the advancement of the disease. Most available methods of breast cancer screening and evaluation lack the ability to effectively differentiate between benign and malignant lesions without a biopsy. Ultrasound elastography (USE) is a cost-effective method that can potentially provide an initial malignancy assessment at the bedside. One of the challenges, however, is the uncertainty of tissue displacement data when performing USE due to out-of-plane movement of the tissue during mechanical stimulation, in addition to the computational efficiency necessary for real-time image reconstruction. This work presents a comparison of four different theoretically sound displacement estimators for their ability in tissue Young’s modulus reconstruction level with an emphasis on quality-to-runtime ratio to determine which estimators are most suitable for real-time USE systems. The methods are known in literature as AM2D, GLUE, OVERWIND, and SOUL methods. The effectiveness of each method was assessed as a stand-alone method or in combination with a strain field enhancement technique known as STREAL, which was recently developed using tissue mechanics-based regularization. The study was performed using radiofrequency US data pertaining to in silico and tissue mimicking phantoms in addition to clinical data. This data was used to generate tissue displacement fields employed to generate axial and lateral strain images before Young’s modulus images were reconstructed. The study indicates that the AM2D displacement estimator, which is an older and computationally less involved method, along with a tissue-mechanics-based image processing algorithm, performs very well, with high CNR, SNR, and preservation of tumor heterogeneity obtained at both strain and stiffness image levels, while its computation run-time is much lower compared to other estimation methods. As such, it can be recommended for incorporation in real-time USE systems.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 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) | 0,001 | 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 ».