Automatic detection of selective arterial devices for advanced visualization during abdominal aortic aneurysm endovascular repair
Notice bibliographique
Résumé
Here we address the automatic segmentation of endovascular devices used in the endovascular repair (EVAR) of abdominal aortic aneurysms (AAA) that deform vascular tissues. Using this approach, the vascular structure is automatically reshaped solving the issue of misregistration observed on 2D/3D image fusion for EVAR guidance. The endovascular devices we considered are the graduated pigtail catheter (PC) used for contrast injection and the stent-graft delivery device (DD). The segmentation of the DD was enhanced using an asymmetric Frangi filter. The segmented geometries were then analysed using their specific features to remove artefacts. The radiopaque markers of the PC were enhanced using a fusion of Hessian and newly introduced gradient norm shift filters. Extensive experiments were performed using a database of images taken during 28 AAA-EVAR interventions. This dataset was divided into two parts: the first half was used to optimize parameters and the second to compile performances using optimal values obtained. The radiopaque markers of the PC were detected with a sensitivity of 88.3% and a positive predictive value (PPV) of 96%. The PC can therefore be positioned with a majority of its markers localized while the artefacts were all located inside the vessel lumen. The major parts of the DD, the dilatator tip and the pusher surfaces, were detected accurately with a sensitivity of 85.9% and a PPV of 88.7%. The less visible part of the DD, the stent enclosed within the sheath, was segmented with a sensitivity of 63.4% because the radiopacity of this region is low and uneven. The centreline of the DD in this stent region was alternatively traced within a 0.74 mm mean error. The automatic segmentation of endovascular devices during EVAR is feasible and accurate; it could be useful to perform elastic registration of the vascular lumen during endovascular repair.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».