A feasibility study of a computational modeling system for performance evaluation and development of ultrasound strain elastography systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Ultrasound strain elastography (USE) is an imaging technology that enables us to detect changes in tissue stiffness resulting from cancer and other diseases. The objective of this study is to computationally model the application of USE for breast lesion characterization. We develop a well-defined simulation pipeline using open-source software to create in silico USE phantoms with one and two stiff targets. First, we use FreeCAD software for tissue 3D modeling and Gmsh software for finite element (FE) meshes. Second, we place randomly positioned point scatterers within the meshed models to form pre-deformation virtual ultrasound phantoms. Then, a simulated ultrasound transducer is used to compress and deform tissue in FE simulations using FEBio software to create a post-deformation virtual ultrasound phantom. Third, we use the k-Wave acoustics toolbox to generate pre- and post-deformation ultrasound echo signals and B-mode images. Finally, we estimate axial and lateral displacements using a speckle tracking method, and strain elastograms, using a least-squares method. Displacements from the USE simulation pipeline and phantom experiments were compared against true FEBio-simulated displacements for accuracy. We have also quantitatively compared the resultant strain elastograms obtained from FEBio simulations, USE simulation pipeline, and phantom experiments. Finally, model validation is performed by comparing the performance of the USE software platform and physical phantom experiments for a range of compression values (0.5%–5% axial strain). The results confirm the use of the well-validated USE simulation pipeline as a robust non-clinical assessment tool for USE system development.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle