Automated image registration of gated cardiac single‐photon emission computed tomography and magnetic resonance imaging
Notice bibliographique
Résumé
PURPOSE: To develop an automatic registration method for electrocardiogram-gated myocardial perfusion single-photon emission computed tomography (SPECT) and cardiac cine-magnetic resonance imaging (MRI). MATERIALS AND METHODS: Paired myocardial perfusion SPECT (MPS) and MRI from 20 patients were considered. MR images were presegmented by heart localization based on detection of cardiac motion and optimal thresholding. A registration algorithm based on mutual information was subsequently applied to all time frames or a selected subset from both modalities. RESULTS: A preprocessing step significantly improved the accuracy of the registration when compared to automatic registration performed without preprocessing. Errors in translation parameters (T(x), T(y), T(z)) averaged (1.0 +/- 1.5, 1.1 +/- 1.3, 0.9 +/- 0.9) pixels with MRI segmentation and (4.6 +/- 3.2, 3.4 +/- 2.6, 3.0 +/- 3.4) pixels without MRI segmentation. Errors in rotation parameters (R(x), R(y), R(z)) averaged (5.4 +/- 2.9, 3.4 +/- 2.7, 4.5 +/- 3.6) degrees with MRI segmentation and (9.3 +/- 6.1, 4.8 +/- 4.3, 14.6 +/- 12.6) degrees without MRI segmentation. Error was calculated as the absolute difference between the expert manual and the automatic registration transformation. CONCLUSION: Automatic registration of gated MPS and cine MRI is possible with the use of a mutual information-based technique when MR images are presegmented. Cardiac motion can be used to isolate the left ventricle (LV) on the MR images automatically, and subsequently the segmented MR images can be coregistered with gated MPS.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».