MétaCan
Menu
Retour à la cohorte
Enregistrement W4388448183 · doi:10.1109/ius51837.2023.10306853

Exploring the Potentials of polymer-based CMUTs for 3D Ultrasound Computed Tomography

2023· article· en· W4388448183 sur OpenAlexafffund
Martin Angerer, Jonas Welsch, Carlos D. Gerardo, Nicole V. Ruiter, Edmond Cretu, Robert Rohling

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCMC Microsystems
Mots-clésCapacitive micromachined ultrasonic transducersTransducerMaterials scienceUltrasonic sensorBandwidth (computing)AcousticsFinite element methodSensitivity (control systems)Capacitive sensingUltrasoundTomographyComputer scienceElectronic engineeringOpticsPhysicsEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

This work presents a quantitative evaluation of polymer-based Capacitive Micromachined Ultrasonic Transducers (polyCMUTs) for 3D Ultrasound Computed Tomography (3D USCT). The study was motivated by limitations of the currently used PZT fiber technology in terms of bandwidth and transmit sensitivity. We developed finite element models of polyCMUT elements consisting of 127 cells to predict the acoustic performance. We fabricated prototype transducers using a novel method for microstructuring polymer layers. The produced samples reach a fractional bandwidth of 116%, an opening angle of 44° and increase the transmit sensitivity by 54%, compared to the PZT fiber transducers. The developed models allow for accurate predictions of the acoustic field over a large range of angles and frequencies. More work is required to improve the reliability and reduce sample-to-sample variations. Based on the measured performance and the general properties of the technology, polyCMUTs are very promising for 3D USCT.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,227
Écart entre enseignants0,187 · 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
GenreEmpirique

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

En bref

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207