Statistical unit root test for edge detection in ultrasound images of vessels and cysts
Notice bibliographique
Résumé
A new approach is proposed for edge detection in ultrasound. The technique examines the image intensity profile for unit roots based on the Dickey–Fuller statistical test of stationarity. The existence of the unit root is a sign of nonstationarity and a possible edge. A simple algorithm to build a segmentation method based on this edge detection approach is also proposed, which is capable of delineating the perimeter of hollow structures such as blood vessels and cysts. In this approach, the radial edge profiles originating from the center of the object of interest are scanned for the change from stationary to nonstationary status. The algorithm treats the radial intensity profiles as a time series and uses the Dickey–Fuller statistical test along the radii to find the location at which the profile becomes nonstationary. A priori criteria for edge continuity, shape, and size of the object of interest are applied to enhance the stability of the algorithm. The accuracy is demonstrated on simulated ultrasound. Further, the method is examined on two different image sets of blood vessels and validated based on contours marked by experts. The worst case distance from expert contours is 1.8±0.3 mm . The average area difference between the expert and the extracted contours is ∼6% and ∼4% of the vessel area in the two datasets. The proposed segmentation method is also compared to segmentation using active contours on ultrasound images of breast and ovarian cysts and shown to be accurate and stable.
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 | 0,006 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».