MétaCan
Menu
Retour à la cohorte
Enregistrement W2014481360 · doi:10.1118/1.1287437

An algorithm for automatic needle localization in ultrasound‐guided breast biopsies

2000· article· en· W2014481360 sur OpenAlexaff
Katharine J. Draper, C. Blake, Linda M. Gowman, Dónal B. Downey, Aaron Fenster

Notice bibliographique

RevueMedical Physics · 2000
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensLondon Health Sciences CentreRobarts Clinical TrialsWestern University
Organismes subventionnairesnon disponible
Mots-clésUltrasoundSegmentationArtificial intelligenceImage segmentationBreast biopsyComputer visionComputer science3D ultrasoundBreast ultrasoundMammographyAlgorithmMathematicsMedicineRadiologyBreast cancerCancer

Résumé

récupéré en direct d'OpenAlex

An algorithm was developed in order to reduce operator dependence in ultrasound-guided breast biopsy, by automatically locating the needle in the ultrasound image, and displaying its location on the image for the user. Ultrasound images of a typical breast biopsy needle inserted in a tissue-mimicking agar were obtained to test the algorithm. The resulting images were examined by a group of observers who recorded the values of the angle, intercept and tip coordinates of the needle in the image, and inter- and intra-observer variability studies were performed on the results. The results of the algorithm segmentation were compared to the values recorded by the observers, and physical measurements recorded at the time the images were acquired. The algorithm segmentation was precise enough to successfully (when considering angle and tip segmentation) target 90% of tumors of 4.5 mm in diameter situated at the center of the image.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,534

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,272
Écart entre enseignants0,263 · 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'étudeAutre devis
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

Citations72
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetUltrasound Imaging and ElastographyTravaux en français237 207