MétaCan
Menu
Retour à la cohorte
Enregistrement W1579821911 · doi:10.1120/jacmp.v13i1.3441

Image intensifier distortion correction for fluoroscopic RSA: the need for independent accuracy assessment

2012· article· en· W1579821911 sur OpenAlexafffund
Angela E. Kedgley, Anne‐Marie V. Fox, Thomas R. Jenkyn

Notice bibliographique

RevueJournal of Applied Clinical Medical Physics · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiation Dose and Imaging
Établissements canadiensFowler Kennedy Sport Medicine ClinicWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésImaging phantomDistortion (music)PolynomialMathematicsImage intensifierPosition (finance)CalibrationPerpendicularGridRange (aeronautics)Mean squared errorError detection and correctionOpticsAlgorithmComputer scienceMathematical analysisPhysicsStatisticsGeometryMaterials science

Résumé

récupéré en direct d'OpenAlex

Fluoroscopic images suffer from multiple modes of image distortion. Therefore, the purpose of this study was to compare the effects of correction using a range of two-dimensional polynomials and a global approach. The primary measure of interest was the average error in the distances between four beads of an accuracy phantom, as measured using RSA. Secondary measures of interest were the root mean squared errors of the fit of the chosen polynomial to the grid of beads used for correction, and the errors in the corrected distances between the points of the grid in a second position. Based upon the two-dimensional measures, a polynomial of order three in the axis of correction and two in the perpendicular axis was preferred. However, based upon the RSA reconstruction, a polynomial of order three in the axis of correction and one in the perpendicular axis was preferred. The use of a calibration frame for these three-dimensional applications most likely tempers the effects of distortion. This study suggests that distortion correction should be validated for each of its applications with an independent "gold standard" phantom.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,108
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,108
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,426
Écart entre enseignants0,373 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Clinical Medical PhysicsMême sujetRadiation Dose and ImagingTravaux en français237 207