論文の概要: Time-Domain Linear Model-based Framework for Passive Acoustic Mapping of Cavitation Activity

• arxiv url: http://arxiv.org/abs/2511.20551v1
• Date: Tue, 25 Nov 2025 17:48:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.58902
• Title: Time-Domain Linear Model-based Framework for Passive Acoustic Mapping of Cavitation Activity
• Title（参考訳）: 時間領域線形モデルに基づくキャビテーション活動のパッシブ音響マッピング
• Authors: Tatiana Gelvez-Barrera, Barbara Nicolas, Denis Kouamé, Bruno Gilles, Adrian Basarab,
• Abstract要約: パッシブ・アコースティック・マッピングにより空間マッピングと時間モニタリングが可能となる。 従来のビームフォーミング法は、基準放出開始時間がないため、軸方向分解能が限られている。 時間領域で完全に定式化された線形演奏モデルに基づくビームフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.219150964619931
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Passive acoustic mapping enables the spatial mapping and temporal monitoring of cavitation activity, playing a crucial role in therapeutic ultrasound applications. Most conventional beamforming methods, whether implemented in the time or frequency domains, suffer from limited axial resolution due to the absence of a reference emission onset time. While frequency-domain methods, the most efficient of which are based on the cross-spectral matrix, require long signals for accurate estimation, time-domain methods typically achieve lower spatial resolution. To address these limitations, we propose a linear model-based beamforming framework fully formulated in the time domain. The linear forward model relates a discretized spatiotemporal distribution of cavitation activity to the temporal signals recorded by a probe, explicitly accounting for time-of-flight delays dictated by the acquisition geometry. This model is then inverted using regularization techniques that exploit prior knowledge of cavitation activity in both spatial and temporal domains. Experimental results show that the proposed framework achieves enhanced or competitive cavitation map quality while using only 20\% of the data typically required by frequency-domain methods. This highlights the substantial gain in data efficiency and the flexibility of our spatiotemporal regularization to adapt to diverse passive cavitation scenarios, outperforming state-of-the-art techniques.
• Abstract（参考訳）: パッシブ・アコースティック・マッピングにより、空間マッピングと時間モニタリングによるキャビテーション活動が可能となり、治療用超音波の応用において重要な役割を果たす。 従来のビームフォーミング法は、時間や周波数領域に実装されても、基準放出開始時間がないため、限られた軸分解能に悩まされる。 最も効率的な周波数領域法はクロススペクトル行列に基づいており、正確な推定には長い信号を必要とするが、時間領域法は一般により低い空間分解能を実現する。 これらの制約に対処するため、時間領域で完全に定式化された線形モデルベースのビームフォーミングフレームワークを提案する。 線形フォワードモデルは、キャビテーションアクティビティの離散時空間分布とプローブが記録した時間信号とを関連付け、取得幾何によって決定される飛行遅延を明示的に考慮する。 このモデルは、空間的領域と時間的領域の両方におけるキャビテーション活動の事前知識を利用する正規化手法を用いて逆転する。 実験の結果,提案手法は周波数領域法で要求されるデータの20倍の値しか利用せず,拡張された,あるいは競争的なキャビテーションマップの品質を実現することがわかった。 これは、データ効率の大幅な向上と、多種多様な受動的キャビテーションシナリオに適応するための時空間正規化の柔軟性を強調し、最先端の技術より優れています。

関連論文リスト

• A Unified Frequency Domain Decomposition Framework for Interpretable and Robust Time Series Forecasting [81.73338008264115]
  時系列予測の現在のアプローチは、時間領域であれ周波数領域であれ、主に線形層やトランスフォーマーに基づいたディープラーニングモデルを使用する。 本稿では,多種多様な時系列を数学的に抽象化する統合周波数領域分解フレームワークFIREを提案する。 火は長期予測ベンチマークで最先端のモデルを一貫して上回る。
  論文  参考訳（メタデータ） (2025-10-11T09:59:25Z)
• Spline Deformation Field [21.755382164519776]
  帰納バイアスは、不適切なシナリオにおける標準空間コヒーレンスを妨げる。 本稿では,従来の結合技術に取って代わる,新しい低ランク空間符号化手法を提案する。 最先端の手法と比較して、競争力のある動的再構成品質を実現する。
  論文  参考訳（メタデータ） (2025-07-10T08:11:46Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [42.60778405812048]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• Surgformer: Surgical Transformer with Hierarchical Temporal Attention for Surgical Phase Recognition [7.682613953680041]
  本稿では,空間時間モデルと冗長性の問題に終末的に対処する手術用トランスフォーマー(サージフォーマー)を提案する。 提案するサージフォーマーは,最先端の手法に対して良好に機能することを示す。
  論文  参考訳（メタデータ） (2024-08-07T16:16:31Z)
• Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality [39.476378833827184]
  動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。 時空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。 STRIPEは、AUCスコアが5.8%改善し、トレーニング時間が4.62倍速く、既存の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-03-14T02:26:10Z)
• Supervised low-rank semi-nonnegative matrix factorization with frequency regularization for forecasting spatio-temporal data [6.725792598352138]
  周波数正規化を伴う半負行列分解(SMF)を用いた時間データの予測手法を提案する。 提案手法による結果は,地球物理学の分野におけるこれまでの研究に匹敵するが,より明瞭な解釈性を提供する。
  論文  参考訳（メタデータ） (2023-11-15T01:23:13Z)
• USTEP: Spatio-Temporal Predictive Learning under A Unified View [62.58464029270846]
  UTEP(Unified S-Temporal Predictive Learning)は,マイクロテンポラリスケールとマクロテンポラリスケールを統合した再帰的および再帰的フリーな手法を再構築する,革新的なフレームワークである。
  論文  参考訳（メタデータ） (2023-10-09T16:17:42Z)
• sasdim: self-adaptive noise scaling diffusion model for spatial time series imputation [22.881248410404126]
  空間的時系列計算を行うために,SASDimという自己適応型ノイズスケーリング拡散モデルを提案する。 具体的には、同様の強度に雑音を拡大できる新しい損失関数を提案し、空間的・時間的大域的畳み込みモジュールを提案する。
  論文  参考訳（メタデータ） (2023-09-05T06:51:39Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。