An autocorrelation-based bayesian estimator for acoustic-radiation-force-induced displacements

Simple item page
dc.catalogadorpva
dc.contributor.advisorCuadra, Patricio de la
dc.contributor.advisorMura Mardones, Joaquín Alejandro
dc.contributor.authorKlemmer Chandía, Stefan Werner
dc.contributor.otherPontificia Universidad Católica de Chile. Escuela de Ingeniería
dc.date.accessioned2023-03-31T13:50:54Z
dc.date.available2023-03-31T13:50:54Z
dc.date.issued2023
dc.descriptionTesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2023
dc.description.abstractLos algoritmos de estimación de desplazamiento juegan un rol crítico en los métodos de elastografía por ultrasonido. Los estimadores bayesianos han mostrado resultados prometedores en la última década, pero su costo computacional impide su implementación en tiempo real. En esta tesis, una nueva función de verosimilitud llamada autocorrelation kernel” (ACK) es incorporada a la estimación bayesiana. Al contrario de funciones anteriores, ACK permite evaluar directamente la probabilidad de desplazamientos sub-muestra sin necesitar sobremuestreo ni interpolación. Se generaron imágenes de modo B representativas de shear wave elasticity imaging (SWEI). Primero, la fuerza de radiación acústica fue simulada. Segundo, el método de elementos finitos fue utilizado para simular desplazamientos de ondas cortantes. Por último, un programa de simulación de ultrasonido fue utilizado para producir imágenes de tejido en movimiento con textura apropiada. La función de verosimilitud propuesta fue comparada contra la clásica correlación cruzada normalizada (NCC). Ambas fueron combinadas con un prior de norma L1 para calcular la probabilidad a posteriori. Adicionalmente, un prior de norma L2 fue probado con ACK. El desplazamiento fue estimado a partir de las imágenes de modo B simuladas y los resultados fueron comparados en términos de su sesgo, variabilidad y la raíz del error cuadrático medio (RMSE). NCC tuvo un mejor desempeño que ACK. Esta mejoró la estimación inicial no bayesiana entre 24.2% y 42.5% en términos de su RMSE. ACK mejoró esta estimación en tan solo 16.6% a 36.7% con norma L1 y entre 19.3% y 33.8% con norma L2. Respecto al tiempo de cómputo, cada evaluación de ACK fue en promedio ´ 28.6% más rápida que las de NCC. No obstante, la convergencia del algoritmo de optimización no-lineal no fue acelerada.
dc.fechaingreso.objetodigital2023-03-31
dc.format.extentxi, 51 páginas
dc.fuente.origenSRIA
dc.identifier.urihttps://repositorio.uc.cl/handle/11534/66694
dc.information.autorucEscuela de ingeniería ; Cuadra, Patricio de la ; 0000-0001-5770-8649 ; 87138
dc.information.autorucEscuela de ingeniería ; Mura Mardones, Joaquín Alejandro ; 0000-0003-1157-1602 ; 9973
dc.information.autorucEscuela de ingeniería ; Klemmer Chandía, Stefan Werner ; S/I ; 1026016
dc.language.isoen
dc.nota.accesoContenido completo
dc.rightsacceso abierto
dc.subjectElastografíaes_ES
dc.subjectUltrasonidoes_ES
dc.subjectEstimaciónes_ES
dc.subjectDesplazamientoes_ES
dc.subjectBayesianaes_ES
dc.subject.ddc620
dc.subject.deweyIngenieríaes_ES
dc.titleAn autocorrelation-based bayesian estimator for acoustic-radiation-force-induced displacementses_ES
dc.typetesis de maestría
sipa.codpersvinculados87138
sipa.codpersvinculados9973
sipa.codpersvinculados1026016
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
TESIS_SKlemmer_Firma Final.pdf
Size:
7.1 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.98 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
3.01 Tesis magíster