Notice bibliographique
Résumé
This dissertation introduces the decorrelated compounding methods in synthetic transmit aperture (STA) ultrasound imaging and the spatial frequency domain of beamformed ultrasound images. They improve the detectability of low-contrast lesions in terms of lesion signal-to-noise ratio (lSNR), and visual detection. First, a decorrelation procedure was applied to traditional spatial and frequency compounding in STA to improve the lSNR in this dissertation. The decorrelated compounding method shown a better performance of speckle reduction than the conventional incoherent compounding methods at the cost of spatial resolution loss. The overall effect in terms of lSNR, which considered both speckle reduction and spatial resolution loss, indicated that the DC in STA outperformed the Delay-and-Sum (DAS) method. Then, we proposed to apply a two dimensional low-pass filter in the aperture domain to suppress the artifacts caused by the off-axis signals of DC in STA. In clinical applications, strong off-axis signals can be encountered such as irregular borders, calcification or development of vascularity. Both simulation and experiment images demonstrate the effectiveness of the filter. Lastly, the principle of decorrelated compounding was extended beyond STA to the any radiofrequency ultrasound images. The spatial frequency spectrum of beamformed ultrasound images was divided into overlapped sub-domains to generate sub-images for decorrelation and compounding. This method improved lSNR over the DAS method. In addition, the computational complexity was reduced by a factor of 16 compared to DC in STA. This dissertation investigate these decorrelated compounding based methods with the goal of improving the detectability of low-contrast lesions.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».