Sci-Fri AM: Imaging - 03: Automated Registration of X-Ray Mammograms and Magnetic Resonance Breast Images
Notice bibliographique
Résumé
Breast cancer is a common and devastating form of cancer, with an estimated 22,700 new cases in 2009 in Canada alone. X-ray mammography is the most commonly used imaging technique for detection and diagnosis, while magnetic resonance imaging (MRI) is used in some challenging cases. Both modalities rely on different properties of the tissue to form images, and thus contribute different and complimentary information about the breast. However, due to geometric distortions during the acquisition processes, it is difficult to identify and compare the same anatomical location on both modalities. In this work, a method to register 2D mammograms to projection images of MRI volumes is presented. In order to compare the 3D MRI to the 2D mammogram, a “simulated mammogram” is formed from the MRI volume. Three anatomical landmarks on the surface of the breast are identified on each image and aligned to distort the general shape of the mammogram to match that of the MR projection image. Final registration is then achieved by iteratively applying a non-linear transformation to the mammogram until the mutual information of the two images is maximized. The registration method was tested on eight pairs of images from two volunteers (two mammographic views from each breast). Results from this small dataset are promising, with an average alignment error of 3.9%, measured as the difference in area between the two registered images. Future work will examine a larger dataset, including pathological cases, and quantification of internal alignment errors.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| 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 | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,039 |
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 ».