Multi-slice to volume registration of ultrasound data to a statistical atlas of human pelvis
Notice bibliographique
Résumé
Identifying the proper orientation of the pelvis is a critical step in accurate placement of the femur prosthesis in the acetabulum in Total Hip Replacement (THR) surgeries. The general approach to localize the orientation of the pelvis coordinate system is to use X-ray fluoroscopy to guide the procedure. An alternative can be employing intra-operative ultrasound (US) imaging with pre-operative CT scan or fluoroscopy imaging. In this paper, we propose to replace the need of pre-operative imaging by using a statistical shape model of the pelvis, constructed from several CT images. We then propose an automatic deformable intensity-based registration of the anatomical atlas to a sparse set of 2D ultrasound images of the pelvis in order to localize its anatomical coordinate system. In this registration technique, we first extract a set of 2D slices from a single instance of the pelvic atlas. Each individual 2D slice is generated based on the location of a corresponding 2D ultrasound image. Next, we create simulated ultrasound images out of the 2D atlas slices and calculate a similarity metric between the simulated images and the actual ultrasound images. The similarity metric guides an optimizer to generate an instance of the atlas that best matches the ultrasound data. We demonstrated the feasibility of our proposed approach on two male human cadaver data. The registration was able to localize a patient-specific pelvic coordinate system with origin translation error of 2 mm and 3.45 mm, and average axes rotation error of 3.5 degrees and 3.9 degrees for the two cadavers, respectively.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».