Semiautomatic three-dimensional segmentation of the prostate using two-dimensional ultrasound images
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
In this paper, we report on two methods for semiautomatic three-dimensional (3-D) prostate boundary segmentation using 2-D ultrasound images. For each method, a 3-D ultrasound prostate image was sliced into the series of contiguous 2-D images, either in a parallel manner, with a uniform slice spacing of 1 mm, or in a rotational manner, about an axis approximately through the center of the prostate, with a uniform angular spacing of 5 degrees. The segmentation process was initiated by manually placing four points on the boundary of a selected slice, from which an initial prostate boundary was determined. This initial boundary was refined using the Discrete Dynamic Contour until it fit the actual prostate boundary. The remaining slices were then segmented by iteratively propagating this result to an adjacent slice and repeating the refinement, pausing the process when necessary to manually edit the boundary. The two methods were tested with six 3-D prostate images. The results showed that the parallel and rotational methods had mean editing rates of 20% and 14%, and mean (mean absolute) volume errors of -5.4% (6.5%) and -1.7% (3.1%), respectively. Based on these results, as well as the relative difficulty in editing, we conclude that the rotational segmentation method is superior.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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