MétaCan
Menu
Retour à la cohorte
Enregistrement W4403604484 · doi:10.3390/sym16101402

Photoacoustic Waveform Design for Optimal Parameter Estimation Based on Maximum Mutual Information

2024· article· en· W4403604484 sur OpenAlexafffund
Zuwen Sun, Natalie Baddour

Notice bibliographique

RevueSymmetry · 2024
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWaveformFourier transformHeuristicComputer scienceAlgorithmAmplitudeSpectral densityInverse problemSignal-to-noise ratio (imaging)Noise (video)Frequency domainMathematical optimizationMathematicsOpticsPhysicsArtificial intelligenceRadarTelecommunications

Résumé

récupéré en direct d'OpenAlex

Waveform design is a potentially significant approach to improve the performance of an imaging or detection system. Photoacoustic imaging is a rapidly developing field in recent years; however, photoacoustic waveform design has not been extensively investigated. This paper considers the problem of photoacoustic waveform design for parameter estimation under constraints on input energy. The use of information theory is exploited to formulate and solve this optimal waveform design problem. The approach yields the optimal waveform power spectral density. Direct inverse Fourier transform of the optimal waveform frequency spectrum amplitude is proposed to obtain a real waveform in the time domain. Absorbers are assumed to be stochastic absorber ensembles with uncertain duration and location parameters. Simulation results show the relationship between absorber parameter distribution and the characteristics of optimal waveforms. Comparison of optimal waveforms for estimation, optimal waveforms for detection (signal-to-noise ratio) and other commonly used waveforms are also discussed. The symmetry properties of the forward and inverse Fourier Transforms are used to analyze the time and frequency properties and provide a heuristic view of how different goals affect the choice of waveform.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,899
Score d'incertitude au seuil0,700

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,226
Écart entre enseignants0,215 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSymmetryMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207