Best practices for tracing the palate in ultrasound images
Notice bibliographique
Résumé
Ultrasound (US) imaging is a powerful tool for visualizing the vocal tract and tongue motion during speech articulation. A key aspect of analyzing tongue motion is accurately tracing the palate's contour in US images, as it provides a fixed anatomical reference for measuring tongue position and deformation. However, accurately tracing the palate in US images remains challenging due to limited visibility caused by the air gap between the palate and the tongue. To address this limitation, we evaluate the reproducibility of manual palate tracing using methods that rely on varying levels of assistance from image-enhancement algorithms. One of these methods is the cumulative echo skeleton (CES), which enhances video frames to stack and reconstruct palate echoes. These methods are tested across different swallowing tasks. Results indicate that CES-based methods enhance rater agreement, primarily due to the cumulation of echoes. Among the tasks, dry swallow consistently yields higher agreement across methods. Additionally, the CES-based automatic method was benchmarked against manual annotations, showing promising accuracy in dry swallow with a mean sum of distances of 2.63 mm. These findings emphasize the important role of method and task selection in enhancing reproducibility and highlight the potential of automated approaches for palate tracing in US imaging.Clinical relevance- In Speech-Language Pathology (SLP), the application of real-time US imaging can be used in diagnostics and treatment of Speech Sound Disorders (SSD). Furthermore, it facilitates observations of oral movements like swallowing and mastication. The incorporation of a static image of the palate-an anatomical structure that is both familiar and tangible within the oral cavity-provides a valuable reference point for interpreting the dynamic movements of the tongue. This visual aid enhances the understanding of real-time ultrasound images, benefiting both the clinician and the client.
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 | 0,025 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,011 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,018 |
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 ».