Accuracy and sensitivity of finite element model‐based deformable registration of the prostate
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Evaluate the accuracy and the sensitivity to contour variation and model size of a finite element model-based deformable registration algorithm for the prostate. METHODS AND MATERIALS: Two magnetic resonance images (MRIs) were obtained for 21 prostate patients with three implanted markers. A single observer contoured the prostate and markers and performed blinded recontouring of the first MRI. A biomechanical-model based deformable registration algorithm, MORFEUS, was applied to each dataset pair, deforming the second image (B) to the first image (A). The residual error was calculated by comparing the center of mass (COM) of the markers with the predicted COM. Sensitivity to contour variation was calculated by deforming B to the repeat contour of A (A2). The sensitivity to the model size was calculated by reducing the number of nodes (B', A', A2') and repeating the analysis. RESULTS: The average residual error of the registration for B to A and B to A2 was 0.22 cm (SD: 0.08 cm) and 0.24 cm (SD: 0.09 cm), respectively. The average residual error of the registration of B' to A' and B' to A2' was 0.22 cm (SD: 0.10 cm) and 0.25 cm (SD: 0.10 cm), respectively. The average time to run MORFEUS on the standard and reduced model was 3606 s (SD: 7788 s) and 56 s (SD: 16 s), respectively. CONCLUSIONS: The accuracy of the algorithm, equal to the image voxel size, is not affected by intraobserver contour variability or model size. Reducing the model size significantly increases algorithm efficiency.
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.
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 | 0,001 | 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 découle