Monitoring high-intensity focused ultrasound thermal therapy by ultrasound doppler imaging using twinkling artifact
Notice bibliographique
Résumé
High-Intensity Focused Ultrasound (HIFU) is a non-invasive therapeutic modality that uses high-energy acoustic waves to thermally coagulate tissue at the focal region. The Twinkling Artifact (TA) is a color Doppler artifact caused by the acoustic radiation force and the consequent tissue vibration during Doppler imaging. This paper aims to employ TA for real-time detection and monitoring of HIFU-induced lesions. A dataset gathered in a previous study concerning ex vivo porcine tissue samples was used, in which the real-time backscattered radiofrequency signals were acquired before, during, and after HIFU treatment. To investigate the presence of TA in Doppler images, the amplitude of each pixel is considered in the sequence of frames as time-series or slow-time signals. It is shown that the main frequency of slow-time signals represents the Doppler frequency shift. Doppler images were constructed using the maximum frequency from every 10-sample slow-time signal. By constructing Doppler images, the frequency shifts within tissue during HIFU treatment were visually and analytically assessed. Our frequency analysis of RF data confirmed the occurrence of TA during HIFU exposure. Furthermore, a novel method was developed for lesion formation monitoring, with less than a 5% error rate in depth and width measurements for depicting coagulated tissue dimensions.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».