MétaCan
Menu
Retour à la cohorte
Enregistrement W1975538405 · doi:10.3109/10929088.2011.556181

Registration of CT to 3D ultrasound using near-field fiducial localization: A feasibility study

2011· article· en· W1975538405 sur OpenAlexaff
Raoul Jacob Kingma, Robert Rohling, Chris Nguan

Notice bibliographique

RevueComputer Aided Surgery · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFiducial markerImage registrationUltrasoundComputer scienceImage qualityMedicineFeature (linguistics)Artificial intelligenceComputer visionTomographyMedical imagingRadiologyBiomedical engineeringImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Registration of ultrasound to computed tomography (CT) images is used in several image-guided procedures, including laparoscopic surgery and radiation therapy. Conventional approaches use an external tracker calibrated to the ultrasound transducer and CT system, but several calibration steps are required. Registration can also be performed by aligning image features between modalities, but differences in feature depiction make matching difficult and initial approximate alignment is often needed. Registration using fiducials is a simpler approach but is limited by the need to implant fiducials in the anatomical region of interest so they are visible to both ultrasound and CT. This paper investigates the feasibility of using fiducials near the skin surface, and whether such fiducials can be sufficiently localized in the very near field of a 3D ultrasound transducer without significantly degrading image quality. This approach can also be used as an initialization step for feature-based registration techniques. MATERIALS AND METHODS: A stand-off pad containing fiducials (n > 3) was constructed using polyvinyl chloride and steel ball fiducials that are visible in both 3D ultrasound and CT images. Experiments on phantoms were performed to assess image quality and registration errors. Controlled variables included pad thickness and ultrasound imaging parameters. Initial tests were also conducted of a potential application in partial nephrectomy surgery. RESULTS: Image quality was degraded by an average of 6-11-13% (elevational-axial-lateral) in resolution of point targets and 5% in lesion contrast. Average fiducial localization error was 1.34 mm (axial) to 2.38 mm (lateral and elevational); average fiducial registration error (FRE) was 0.46 mm (axial), 1.08 mm (lateral) and 0.90 mm (elevational); and average total registration error (TRE) was 1.84 mm (axial), 0.89 mm (lateral) and 3.31 mm (elevational). Clinical results showed a similar FRE to that in the phantom study, but with an average TRE of 14.04 mm (over three patients). Ultimate alignment of the organ boundaries was affected mainly by motion from respiration. CONCLUSIONS: The small loss of image quality from the fiducial stand-off pad and the minimal inconvenience of using the pad at the time of the CT scan may be a worthwhile trade-off for purposes of registration since the pad provides a registration accuracy of several millimeters while still allowing subsequent feature-based registration. Future research will focus on using the registration from the fiducial stand-off pad for deformable feature-based registration of 3D ultrasound to CT for tumor localization in renal surgery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,068
Tête enseignante GPT0,297
Écart entre enseignants0,228 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputer Aided SurgeryMême sujetUltrasound Imaging and ElastographyTravaux en français237 207