A Hierarchical Statistical Modeling Approach for the Unsupervised 3-D Biplanar Reconstruction of the Scoliotic Spine
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
This paper presents a new and accurate three-dimensional (3-D) reconstruction technique for the scoliotic spine from a pair of planar and conventional (postero-anterior with normal incidence and lateral) calibrated radiographic images. The proposed model uses a priori hierarchical global knowledge, both on the geometric structure of the whole spine and of each vertebra. More precisely, it relies on the specification of two 3-D statistical templates. The first, a rough geometric template on which rigid admissible deformations are defined, is used to ensure a crude registration of the whole spine. An accurate 3-D reconstruction is then performed for each vertebra by a second template on which nonlinear admissible global, as well as local deformations, are defined. Global deformations are modeled using a statistical modal analysis of the pathological deformations observed on a representative scoliotic vertebra population. Local deformations are represented by a first-order Markov process. This unsupervised coarse-to-fine 3-D reconstruction procedure leads to two separate minimization procedures efficiently solved in our application with evolutionary stochastic optimization algorithms. In this context, we compare the results obtained with a classical genetic algorithm (GA) and a recent Exploration Selection (ES) technique. This latter optimization method with the proposed 3-D reconstruction model, is tested on several pairs of biplanar radiographic images with scoliotic deformities. The experiments reported in this paper demonstrate that the discussed method is comparable in terms of accuracy with the classical computed-tomography-scan technique while being unsupervised and while requiring only two radiographic images and a lower amount of radiation for the patient.
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 | 0,000 |
| 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