Coupling quantitative ultrasound using echo envelop statistics and shear wave propagation to provide new image contrast of mimicked liver lesions
Notice bibliographique
Résumé
In quantitative ultrasound, biomarkers are sensitive to the scatterers’ positioning and number density, and therefore, shear wave (SW) propagation may modify their time-varying behaviors and provide new image contrast. Herein, we considered echo envelop statistics by using one parameter of the homodyned-K distribution (HKD): the diffuse-to-total signal power ratio 1/(κ+1). A liver lesion-mimicking phantom was simulated with an inclusion and a background of elastic moduli of 40 and 4 kPa, and scatterers’ number densities per resolution cell of 15 and 5, respectively. Ten sets of spatially correlated scatterers were created, and a plane SW was simulated to reposition time and spatially varying scatterers according to the SW motion. Ultrasound images were simulated using MUST with added Gaussian noise to attain 20-dB SNR. Dynamic and static analyses were made over 30 frames with and without SW motion, respectively. Validation was based on the contrast of 1/(κ+1) between the inclusion and the background. HKD image contrast increased with SW motion with values from 0.12 ± 0.10 to 0.48 ± 0.16 (no units) (p < 0.001). Results suggest that the variation in scatterers’ organization under SW propagation may provide new information over its static counterpart to enhance the contrast of liver 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 | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».