MétaCan
Menu
Retour à la cohorte
Enregistrement W4405554684 · doi:10.1515/cdbme-2024-2028

A Custom-Built Piezo-Optical System for Visualization and Characterization of High Intensity Focused Ultrasound

2024· article· en· W4405554684 sur OpenAlexaff
Luisa Brecht, F. Steinmeyer, J. E. Bonekamp, Ari Partanen, Holger Grüll, Johannes Lindemeyer

Notice bibliographique

RevueCurrent Directions in Biomedical Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensProfound Medical (Canada)
Organismes subventionnairesnon disponible
Mots-clésVisualizationHigh-intensity focused ultrasoundCharacterization (materials science)UltrasoundMaterials scienceIntensity (physics)Computer scienceOpticsBiomedical engineeringAcousticsEngineeringArtificial intelligenceNanotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract High intensity focused ultrasound (HIFU) is a noninvasive treatment technique to induce thermal or mechanical bioeffects. Characterising the wave field is essential for reliable and reproducible transducer operation in clinical use. This paper presents a schlieren technique to visualise and quantify transducer wave fields. The technique is based on the piezo-optical effect of water, i.e. the refractive index variation caused by sound pressure. Our custom-built system equipped with a Raspberry Pi HQ camera can capture schlieren photographs of acoustic fields generated by a clinical HIFU system. Alternatively, a high-speed camera allows analysis of short burst pulses. We investigated the focal zone shape of continuously generated HIFU fields at acoustic powers of 10- 250 W. Images of the focal area at 100 W indicated dimensions comparable to the reported literature values. Notably, as power increases, we observe waveform distortion in the focal zone due to nonlinear propagation of ultrasound. Our findings demonstrate the efficacy of our system in visualizing and characterizing the acoustic fields generated by a clinical HIFU device.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,972
Score d'incertitude au seuil0,624

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 GPT0,245
Écart entre enseignants0,235 · 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
GenreEmpirique

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'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Directions in Biomedical EngineeringMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207