Large-pitch Synthetic Transmit Aperture Imaging with micro-beamforming technique
Notice bibliographique
Résumé
We propose to combine synthetic transmit aperture imaging with the micro-beamforming technique (MB-STA) to improve the image quality of the large-pitch synthetic transmit aperture imaging (LPSTA). In LPSTA, nearby array elements are combined as sub-aperture (SAP) without pre-steering delays in both transmit and receive to reduce hardware complexity. In MB-STA , pre-steering delays or microbeamforming within the transmit and receive sub-aperture is introduced to steer the transmission and receiving beams to a focal point. Focusing for the points away from the focal point is then achieved through the image reconstruction using the micro-beamformed RF data in synthetic transmit aperture imaging. Spatial response functions (SRF) are applied in the image reconstruction to compensate for the contrast loss, especially when the targets are located outside the focal region. The simulation results demonstrated that MB-STA can attain an image quality comparable to the standard STA of a fullyindexed array, but with a 66-fold reduction in the number of measurement channels, at the cost of a smaller field of view. Moreover, our experimental results demonstrated that for targets located outside of the focal region, the proposed MBSTA method has better image quality than that of the conventional B-mode imaging with a similar microbeamforming configuration. The proposed method can be extended to 3D ultrasound imaging to reduce its excessive hardware complexity and cost.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».