Ultrafast 3D synthetic aperture imaging with Hadamard-encoded aperiodic interval codes and aperiodic sparse arrays with separate transmitters and receivers
Notice bibliographique
Résumé
3D synthetic aperture (SA) imaging of volumes can be obtained using sparse 2D ultrasound arrays. However, even with just 256 elements, the volumetric imaging rate can be relatively slow due to having to transmit on each element in succession. Hadamard Aperiodic Interval (HAPI) codes can be used to image the full SA dataset in one extended transmit to speed up the synthetic aperture imaging, but their long nature produces large deadzones if the same elements are used as both transmitters and receivers. In this simulation study, we use a 2D Costas sparse array with separate transmitters and receivers to remedy the deadzone problem, and use it with the HAPI-coded imaging scheme to obtain fully transmit-receive focused, wide field-of-view 3D volumes with high-resolution and high SNR at ultrafast volumetric imaging rates of more than 500 volumes per second, almost nine times faster than non-coded SA imaging with the same imaging parameters. We show similar PSF performance compared to non-coded SA, and a 26 dB improvement in SNR with order-256 HAPI codes. We also present cyst simulations showing similar contrast for the HAPI-coded SA method compared to non-coded SA in the context of no noise, and improved contrast in the context of noise.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,001 |
| 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 ».