Registration of prostate histology images to ex vivo MR images via strand‐shaped fiducials
Notice bibliographique
Résumé
PURPOSE: To present and evaluate a method for registration of whole-mount prostate digital histology images to ex vivo magnetic resonance (MR) images. MATERIALS AND METHODS: Nine radical prostatectomy specimens were marked with 10 strand-shaped fiducial markers per specimen, imaged with T1- and T2-weighted 3T MRI protocols, sliced at 4.4-mm intervals, processed for whole-mount histology, and the resulting histological sections (3-5 per specimen, 34 in total) were digitized. The correspondence between fiducial markers on histology and MR images yielded an initial registration, which was refined by a local optimization technique, yielding the least-squares best-fit affine transformation between corresponding fiducial points on histology and MR images. Accuracy was quantified as the postregistration 3D distance between landmarks (3-7 per section, 184 in total) on histology and MR images, and compared to a previous state-of-the-art registration method. RESULTS: The proposed method and previous method had mean (SD) target registration errors of 0.71 (0.38) mm and 1.21 (0.74) mm, respectively, requiring 3 and 11 hours of processing time, respectively. CONCLUSION: The proposed method registers digital histology to prostate MR images, yielding 70% reduced processing time and mean accuracy sufficient to achieve 85% overlap on histology and ex vivo MR images for a 0.2 cc spherical tumor.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».