SU‐FF‐I‐60: Delineation of Synovial Tissue in MR Images of the Knee for Patient Specific Dosimetry Planning of Radionuclide Synovectomy
Notice bibliographique
Résumé
Purpose: Delineation of synovial tissue in MR images of the knee for feasibility in patient specific dosimetry planning of radionuclide synovectomy. Method and Materials: A semi automated method based on marker controlled watershed was developed to delineate the synovial tissue in MR images of the knee. Markers were calculated using gray reconstruction algorithm. Segmented regions were extracted interactively by using a graphical user interface. Images used for testing were T1‐weighted spin echo (TR 800, TE 20), post contrast enhanced, acquired using 1.5 Tesla MR Units (Siemens, Magnetron) and polarized knee coil. Image slices were of 0.625mm ×0.625mm in size and 3mm in thickness. Only one patient's data was used. Various performance metrics were determined for evaluating the method. Results: Results obtained from the semi automated method were compared with the manual results. Maximum overlap ratio of 86.3 % was achieved between the manually delineated and semi automatically delineated synovial tissue regions. Mean percentage error of 19% in the surface area of synovial tissue was recorded. Conclusion: This study indicates that developed method has more robustness and reproducibility as compared to the manual method. For future work this method can be applied to other patients data, pre contrast enhanced images for volume calculation of the synovial tissue and also to individualize radionuclide synovectomy treatments.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».