Motion correction of 3D dynamic contrast‐enhanced ultrasound imaging without anatomical B‐Mode images: Pilot evaluation in eight patients
Notice bibliographique
Résumé
Abstract Background Dynamic contrast‐enhanced ultrasound (DCE‐US) is highly susceptible to motion artifacts arising from patient movement, respiration, and operator handling and experience. Motion artifacts can be especially problematic in the context of perfusion quantification. In conventional 2D DCE‐US, motion correction (MC) algorithms take advantage of accompanying side‐by‐side anatomical B‐Mode images that contain time‐stable features. However, current commercial models of 3D DCE‐US do not provide side‐by‐side B‐Mode images, which makes MC challenging. Purpose This work introduces a novel MC algorithm for 3D DCE‐US and assesses its efficacy when handling clinical data sets. Methods In brief, the algorithm uses a pyramidal approach whereby short temporal windows consisting of three consecutive frames are created to perform local registrations, which are then registered to a master reference derived from a weighted average of all frames. We applied the algorithm to imaging studies from eight patients with metastatic lesions in the liver and assessed improvements in original versus motion corrected 3D DCE‐US cine using: (i) frame‐to‐frame volumetric overlap of segmented lesions, (ii) normalized correlation coefficient (NCC) between frames (similarity analysis), and (iii) sum of squared errors (SSE), root‐mean‐squared error (RMSE), and r‐squared (R2) quality‐of‐fit from fitted time‐intensity curves (TIC) extracted from a segmented lesion. Results We noted improvements in frame‐to‐frame lesion overlap across all patients, from 68% ± 13% without correction to 83% ± 3% with MC (p = 0.023). Frame‐to‐frame similarity as assessed by NCC also improved on two different sets of time points from 0.694 ± 0.057 (original cine) to 0.862 ± 0.049 (corresponding MC cine) and 0.723 ± 0.066 to 0.886 ± 0.036 (p ≤ 0.001 for both). TIC analysis displayed a significant decrease in RMSE (p = 0.018) and a significant increase in R2 goodness‐of‐fit (p = 0.029) for the patient cohort. Conclusions Overall, results suggest decreases in 3D DCE‐US motion after applying the proposed algorithm.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».