MétaCan
Menu
← Retour à la cohorte
Enregistrement W1978606777 · doi:10.1117/12.655601

Real-time registration by tracking for MR-guided cardiac interventions

2006· article· en· W1978606777 sur OpenAlexafffund
Desmond Chung, Janakan Satkunasingham, Graham Wright, Perry Radau

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensSunnybrook Health Science Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésComputer visionArtificial intelligenceComputer scienceContext (archaeology)Image registrationVolume (thermodynamics)Tracking (education)VisualizationFeature trackingDisplacement (psychology)Image resolutionFeature extractionImage (mathematics)Physics

Résumé

récupéré en direct d'OpenAlex

Cardiac interventional procedures such as myocardial stem cell delivery and radiofrequency ablation require a high degree of accuracy and efficiency. Real-time, 2-D MR technology is being developed to guide such procedures; the associated challenges include the relatively low resolution and image quality in real-time images. Real-time MR guidance can be enhanced by acquiring a 4-D (3-D + phase) volume prior to the procedure and aligning it to the 2-D real-time images, so that corresponding features in the prior volume can be integrated into the real-time image visualization. This technique provides spatial context with high resolution and SNR. A left ventricular (LV) myocardial wall contour tracking system was developed to maintain spatial alignment of prior volume images to real-time MR images. Over 9 test images sequences, each comprising 100 frames of simulated respiratory motion, the tracker maintained alignment with a mean displacement error of 1.61mm in a region of interest around the LV, as compared to a mean displacement error of 5.2mm without tracking.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,289
Écart entre enseignants0,270 · 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'étudeExpérimental (laboratoire)
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
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE→Même sujetAdvanced MRI Techniques and Applications→Travaux en français237 207→