Sci-PM Thurs - 07: Registration of geometric cardiac models to magnetic resonance images
Notice bibliographique
Résumé
Minimally invasive cardiac surgery (MICS) has already been shown to reduce hospital stays, but the full potential is not yet realized, largely due to limitations in pre- and intra-operative visualization inside the closed chest. To address these issues, we are developing the Virtual Cardiac Surgery Platform (VCSP) — a 4D (3D + time), virtual reality model of the patient specific thorax, derived from pre-procedural images. In this abstract, we discuss the accuracy of our image registration-based method for deforming geometrical template models of the heart sub-anatomy (myocardium, right atrium + ventricle, left atrium + aorta, epicardium) to 10 different volunteers (“patients”). The template models are built by manually segmenting a high quality magnetic resonance (MR) image (this template image is an average of 20 acquisitions of the same volunteer, 1.53 mm3 voxels). The template image is mapped to a much lower quality patient image (1.5×1.5×6.0 mm3 voxels) obtained in a clinically feasible manner, by maximizing the normalized mutual information (NMI) between the two images. The resulting global (affine) and local (free form deformation) transformation is applied to one of the four template models to transform it into patient space. The registration accuracy is assessed by comparing the mapped template to the manual segmentation of the patient. On average, the customization process is accurate to within 2.4 ± 0.2 mm, whereas, the difference between two manual segmentations (gold standards) was 1.3 ± 0.2 mm. We believe our method adequately prepares templates for use within VCSP, prior to and during MICS.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,010 |
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 source (Gemma direct ou Codex distillé), 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 ».