MétaCan
Menu
Retour à la cohorte
Enregistrement W1975257837 · doi:10.1118/1.3447721

Validation of 3D reconstructions of a mimicked femoral artery with an ultrasound imaging robotic system

2010· article· en· W1975257837 sur OpenAlexafffund
Marie‐Ange Janvier, Gilles Soulez, Louise Allard, Guy Cloutier

Notice bibliographique

RevueMedical Physics · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésImaging phantomScannerCalibrationIterative reconstructionUltrasoundMedicineBiomedical engineeringImage resolutionStenosisArtificial intelligenceRadiologyComputer visionComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The degree of stenosis is the most important criterion to assess peripheral arterial disease manifested by atherosclerosis mainly in lower limb arteries. Ultrasound (U.S.) imaging offers low-cost, safe, and convenient options to evaluate this disease, but most U.S. freehand approaches cannot optimally locate stenoses and map lower limb arterial geometries. A 3D-U.S. imaging robotic system that can control and standardize image acquisition by scanning typically encountered diseased arterial lower limb segments is presented and validated with phantoms. METHODS: A Z-phantom calibration procedure was used to characterize spatial transformation of the U.S. probe image plane for different clinical image acquisition settings. Moreover, the accuracy of the calibration transform to reconstruct a lower-limb-mimicking vessel geometry was evaluated with a vascular phantom. RESULTS: A 3D calibration precision of 0.47 +/- 0.27 mm was achieved. Reconstruction errors were less than 1.74 +/- 0.08 mm in all 3D vessel representations and the cross-sectional areas of each image section were close to those of gold standard phantom measures. The best reconstruction accuracy (smallest error) was 0.40 +/- 0.03 mm. CONCLUSION: Altogether, these results demonstrate the potential of the robotic scanner to adequately represent lower limb vessels for the clinical evaluation of stenoses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,329
Score d'incertitude au seuil0,380

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,239
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetUltrasound Imaging and ElastographyTravaux en français237 207