Self-Sensing with Hollow Cylindrical Transducers for Histotripsy-Enhanced Aspiration Mechanical Thrombectomy Applications
Notice bibliographique
Résumé
Intravascular aspiration thrombectomy catheters are widely used to treat stroke, pulmonary embolism, and deep venous thrombosis. However, their performance is frequently compromised by clot material becoming lodged within the catheter tip. To address this, we develop a novel ultrasound-enhanced aspiration catheter approach that generates cavitation within the tip to mechanically degrade clots, with a view to facilitate extraction. The design employs hollow cylindrical transducers that produce inwardly propagating cylindrical waves to generate sufficiently high pressures to perform histotripsy. This study investigates the feasibility of self-sensing cavitation detection by analyzing voltage signals across the transducer during treatment. Experiments were conducted for two transmit pulse lengths at varying driving voltages with water or clot in the lumen. Cavitation clouds within the lumen were assessed using 40 MHz ultrasound imaging. Changes in the signal envelope during the pulse body and ringdown phases occurred above the cavitation threshold, the latter being associated with more rapid wave damping in the presence of bubble clouds within the lumen. In the frequency domain, voltage-dependent cavitation signals-subharmonics, ultra-harmonics, and broadband-emerged alongside transmit pulses. This work demonstrates a highly sensitive, sensor-free method for detecting cavitation within the lumen, enabling feedback control to further improve histotripsy-assisted aspiration.
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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».