SU-GG-I-101: 3D Segmentation and Rigid Registration for Minimizing Breathing Motion Effects in Liver CT Perfusion
Notice bibliographique
Résumé
Purpose: To develop an automatic framework for 3D segmentation and registration of partial liver volumes acquired with a free breathing dynamic CT scan for perfusion imaging. Method and Materials: The free-breathing liver CT Perfusion protocol acquired volumes of 8 cm thick liver sections as two separate 4 cm thick sub-volumes sequentially at a time interval of 2.8 s. A total of 40 volumes were acquired over approximately 2 min to cover the entire portal phase of the liver circulation. The breathing motion correction algorithm consists of 4 sequential steps: 1: Semi-automatic 1D box registration using cross correlation of liver boundaries and liver specific features such as liver hilum or falciform ligament to align liver volumes acquired over time in the cranio-caudal direction and generate a time averaged liver volume. 2: 3: Automatic segmentation of the time averaged liver volume from (1). 3: Automatic segmentation of the liver in all images volumes using the liver contours from (2) as a shape model. 4: Full 3D surface registration of the volumes segmented in (3) to preselected reference liver volume. The framework has been validated by applying it to images with known rotations and translations, as well as images from patient perfusion scans. Results: Model based segmentation is capable of segmenting all tested liver images even with poor choices of initial contours with no more than 150 iterations. 3D registration noticeably reduces misalignment artifacts at liver edge due to rotation and in-plane translation compared to only transaxialy aligned images. Conclusion: Model based segmentation allows segmentation of high noise low contrast liver images when using a patient specific model generated from a time averaged CT. The multi-step 3D registration improves organ alignment compared to 1D registration and reduces breathing motion artifacts in the calculated CT perfusion maps.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».