A high-resolution ultrafast beamformer for surgical microtransducers
Notice bibliographique
Résumé
In recent years, ultrasound imaging has become an indispensable tool for intra-surgical guidance. Most neuro and spine surgeries, however, are now trending towards minimally invasive approaches. In these surgeries, the entire surgery is performed using endoscopic instruments inserted into a small surgical pathway. Consequently, surgical imaging technologies such as ultrasound, must also adapt to be compatible with these new approaches where they are confined to narrow surgical corridors. We have recently developed a novel, high-resolution, endoscopic ultrasound system specifically for guiding these minimally invasive surgeries. The entire system including the probe, the electronics, and software has been designed and fabricated from the ground up. This imaging platform has recently been approved for a preliminary patient imaging study has already produced promising, first-of-its kind data during brain tumour resection and spinal cord surgeries. This presentation will discuss the challenges associated with developing high frequency (30 MHz) miniaturized micro-arrays and the associated electronic beamformer. The beamformer we have developed is based on parallelized FPGAs, can process data at rates higher than 10Tb/s, and generate frame-rates higher than 1kHz. The beamforming architecture incorporates a hybrid imaging mode that interleaves ultrafast imaging for Doppler, and line-by-line focusing for B-Mode. The Doppler mode is overlayed on the BMode image in real-time.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».