MétaCan
Menu
Retour à la cohorte
Enregistrement W1596933240 · doi:10.1109/iembs.2003.1279808

Fast reconstruction of volumetric models of anatomical structures

2004· article· en· W1596933240 sur OpenAlexaff
Neculai Archip, Robert Rohling

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMedical Image Segmentation Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDelaunay triangulationComputer visionArtificial intelligenceComputer scienceTriangulation3D reconstructionSegmentationSurface reconstructionSmoothingProcess (computing)Constrained Delaunay triangulationVisual hullIterative reconstructionTetrahedronImage segmentationMarching cubesAlgorithmMathematicsSurface (topology)VisualizationGeometry

Résumé

récupéré en direct d'OpenAlex

This paper reports a fast and robust method for building 3D volumetric models of anatomical structures. The proposed reconstruction solution is image modality independent. As input, the method requires a set of contours obtained after organ segmentation. It is not necessary for contours to lie on parallel slices. The contours are simplified using a combination of smoothing techniques and B-splines. A 3D triangulation of the object convex hull is generated, based on a 3D Delaunay triangulation algorithm. A sculpting process of the non-object tetrahedra is performed, based on the spatial information obtained in the segmentation process. The surface, represented as a set of triangles, and the volume, represented as a set of tetrahedral, are obtained. To validate the algorithm, geometrical measurements of the generated model are computed, and compared with the original object. Currently, the method is tested on CT and MR images. At this stage, 2 seconds are needed on a standard workstation to build a skull model with approximately 120,000 tetrahedrals.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,786
Score d'incertitude au seuil0,182

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,267
Écart entre enseignants0,250 · 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 tête enseignante, 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
GenreMéthodes

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

En bref

Citations3
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMedical Image Segmentation TechniquesTravaux en français237 207