MétaCan
Menu
← Retour à la cohorte
Enregistrement W2001466721 · doi:10.1117/12.480398

Manual and semi-automatic registration vs retrospective ECG gating for correction of cardiac motion

2003· article· en· W2001466721 sur OpenAlexaff
Aaron So, Vincent Adam, Kishor Acharya, Tin-Su Pan, Ting-Yim Lee

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Imaging and Diagnostics
Établissements canadiensRobarts Clinical TrialsLawson Health Research InstituteWestern University
Organismes subventionnairesnon disponible
Mots-clésCardiac cycleGatingImage registrationArtificial intelligenceComputer sciencePerfusionNuclear medicineMyocardial perfusion imagingComputer visionImage (mathematics)MedicineRadiologyCardiology

Résumé

récupéré en direct d'OpenAlex

A manual and a semi-automatic image registration method were compared with retrospective ECG (rECG) gating to correct for cardiac motion in myocardial perfusion (MBF) measurement. 5 beagles were used in 11 experiments. For each experiment a 30 s cine CT scan of the heart was acquired after contrast injection. For the manual method, a reference end-diastole (ED) image was selected from the first cardiac cycle. ED images in subsequent cardiac cycles were manually selected to match the shape of the reference ED image. For each cardiac cycle in the semi-automatic method, the image with the maximum area and the most similar shape to the selected image of the previous cardiac cycle was chosen as ED image. MBFs were calculated from the images registered by the three methods and compared. The averages of the difference of MBFmanual and MBFsemi-auto and MBFrECG in the lateral free wall of LV were 3.6 and 3.4 ml/min/100g respectively. The corresponding standard deviations from the mean were 9.1 and 28.3 ml/min/100g respectively. We concluded from these preliminary results that image registration methods were better than rECG gating for correcting heart, which should facilitate more precise measurement of MBF.

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)0,007
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,008
Tête enseignante GPT0,241
Écart entre enseignants0,233 · 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

Citations1
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE→Même sujetCardiac Imaging and Diagnostics→Travaux en français237 207→