MétaCan
Menu
Retour à la cohorte
Enregistrement W1988479807 · doi:10.1117/12.428064

<title>Correlation of preoperative MRI and intraoperative 3D ultrasound to measure brain tissue shift</title>

2001· article· en· W1988479807 sur OpenAlexaff
David G. Gobbi, Belinda K. H. Lee, Terence M. Peters

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2001
Typearticle
Langueen
DomaineComputer Science
ThématiqueMedical Image Segmentation Techniques
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésUltrasound3D ultrasoundImage warpingComputer scienceInterpolation (computer graphics)Artificial intelligenceComputer visionVolume (thermodynamics)MedicineRadiologyImage (mathematics)Physics

Résumé

récupéré en direct d'OpenAlex

B-Mode ultrasound is often used during neurosurgery to provide intra-operative images of the brain though a craniotomy, but the use of 3D ultrasound during surgery is still in its infancy. We have developed a system that provides real-time freehand 3D ultrasound reconstruction at a reduced resolution. The reconstruction proceeds incrementally and the 3D image is overlayed, via a computer, on a pre-operative 3D MRI scan. This provides the operator with the necessary feedback to maintain a constant freehand sweep-rate, and also ensures that the sweep covers the desired anatomical volume. All of the ultrasound video frames are buffered, and a full-resolution, compounded reconstruction proceeds once the manual sweep is complete. We have also developed tools for manual tagging of homologous landmarks in the 3D MRI and 3D ultrasound volumes that use a piecewise cubic approximation of thin-plate spline interpolation to achieve interactive nonlinear registration and warping of the MRI volume to the ultrasound volume: Each time a homologous point-pair is identified by the use, the image of the warped MRI is updated on the computer screen after less than 0.5 s.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,635
Score d'incertitude au seuil0,513

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,010
Tête enseignante GPT0,250
Écart entre enseignants0,240 · 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'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

Citations15
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetMedical Image Segmentation TechniquesTravaux en français237 207