Rigorous Geometric Self-Calibrating Bundle Adjustment for a Dual Fluoroscopic Imaging System
Notice bibliographique
Résumé
High-speed dual fluoroscopy is a noninvasive imaging technology for three-dimensional skeletal kinematics analysis that finds numerous biomechanical applications. Accurate reconstruction of bone translations and rotations from dual-fluoroscopic data requires accurate calibration of the imaging geometry and the many imaging distortions that corrupt the data. Direct linear transformation methods are commonly applied for performing calibration using a two-step process that suffers from a number of potential shortcomings including that each X-ray source and corresponding camera must be calibrated separately. Consequently, the true imaging set-up and the constraints it presents are not incorporated during calibration. A method to overcome such drawbacks is the single-step self-calibrating bundle adjustment method. This procedure, based on the collinearity principle augmented with imaging distortion models and geometric constraints, has been developed and is reported herein. Its efficacy is shown with a carefully controlled experiment comprising 300 image pairs with 48 507 image points. Application of all geometric constraints and a 31 parameter distortion model resulted in up to 91% improvement in terms of precision (model fit) and up to 71% improvement in terms of 3-D point reconstruction accuracy (0.3-0.4 mm). The accuracy of distance reconstruction was improved from 0.3±2.0 mm to 0.2 ±1.1 mm and angle reconstruction accuracy was improved from -0.03±0.55(°) to 0.01±0.06(°). Such positioning accuracy will allow for the accurate quantification of in vivo arthrokinematics crucial for skeletal biomechanics investigations.
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 | 0,001 |
| 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 ».