Confidence-Aware 3D Spatial Compounding of 2D Ultrasound Images for Needle Shadow Removal
Notice bibliographique
Résumé
Ultrasound (US) imaging clarity is often hindered by acoustic shadows caused by highly reflective structures, obscuring critical anatomy in the images. This issue is particularly problematic in needle-based interventions, where needle-induced shadows and reverberations can severely obstruct visualization, complicating the procedure and increasing the risk of misplacement. To address this problem, we propose a new 3D image compounding algorithm to remove needle shadows and allow the US probe to see behind reflective objects. Our approach acquires 2D US images from multiple imaging angles and computes the probability that the US wave has reached each pixel in the images. We then propose a nonlinear function to weight these 2D images based on their pixel intensity and acoustic signal consistency before they are combined to form a 3D volume. Regions corresponding to shadows are adaptively suppressed, while highly informative areas are compounded to create an accurate volumetric representation. This volume is then sliced along arbitrary imaging planes to form new, shadow-free images.Experimental validation in phantom tissue comparing the original US images with the images created with the proposed algorithm shows significant improvement in image clarity and tissue inclusion delineation. The proposed method is compared against other conventional image compounding techniques and shows improvements in image signal to noise ratio and normalized cross corelation. By enhancing the reliability of 3D US image compounding, the proposed multivariable, nonlinear weighting function contributes to more precise and accurate US image guidance for needle-based diagnostics and interventions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».